基于人工智能的可调表面润湿性的设计

《Applied Surface Science》：AI-driven design of tunable wettability on composite surfaces

表面润湿性控制研究通过纳米压印与等离子体处理协同调控聚丙烯碳纤维复合材料（PP-CFRP）的微纳结构与化学组成，发现接触角随微结构边长与间距比非线性变化，三角形棱柱结构润湿调节范围最广。等离子体引入氨基和羟基显著增水润湿性，甲基则增强疏水性。实验表明表面化学主导润湿性，微结构通过改变固液接触面积精细调节。结合XGBoost与扩散模型构建的AI框架可基于表面能和微结构参数预测接触角，误差低于10%。为开发自适应环境表面润湿材料提供新范式。

　　表面润湿性调控在多个工程领域中扮演着至关重要的角色，如自清洁材料、流体阻力减小以及水收集技术。然而，传统的仿生表面常常在功能、可控性和适应性方面存在一定的局限。为了应对这些挑战，本研究聚焦于工业上广泛使用的聚丙烯基碳纤维增强复合材料（PP-CFRP），系统地分析了表面微结构和化学官能团对润湿性的影响，包括它们的单独作用和协同效应。研究结果表明，随着表面微结构的边长与间距比的增加，接触角呈现出非线性下降的趋势。其中，三角柱结构在润湿性调控范围方面优于圆柱体和方柱结构。此外，通过等离子体诱导的接枝引入氨基和羟基官能团，显著提升了表面的亲水性，而引入甲基官能团则有效增强了疏水性。研究进一步揭示了表面润湿性的主要调控机制，即表面化学通过调节表面能来主导润湿性，而微尺度拓扑结构则通过改变固-液接触面积来进一步优化润湿性能。通过将实验数据与模拟结果相结合，构建了一个人工智能模型，能够准确预测水接触角，其输入参数包括表面能和微结构尺寸。验证实验表明，该模型具有小于10%的预测误差，显示出良好的准确性。这一智能设计框架为工业应用中实现按需调控表面润湿性提供了全新的策略。

自然界中，生物系统已经演化出复杂的、高效的水管理机制。一个典型的例子是“荷叶效应”，即荷叶表面的超疏水特性使得水滴形成球状并滚动，从而自主去除污染物。除了荷叶，许多生物体也具备独特的水运输和润湿性调控功能，如水黾的疏水性腿部、蝉和蝴蝶的翅膀、紫茉莉的花瓣、仙人掌的集水刺以及Primula属植物的叶片。这些生物结构通常具有多层次的微纳米结构，并且表面化学成分与物理结构之间存在协同作用，使得其具备超亲水、超疏水或智能响应等特性。基于这些自然模型，研究人员开发了一系列仿生界面材料，这些材料能够通过其自身的表面设计实现高效液体操控，而无需外部能量输入。这种独特的特性使得该领域在自清洁表面、能量收集系统、流体阻力减小、油水分离以及先进的水收集技术等方面展现出巨大的应用潜力。因此，这一研究方向持续吸引着科学界和工程界广泛而深入的关注。

受表面润湿性源于化学组成与物理微结构协同作用这一基本原理的启发，研究人员设计了多种表面结构以满足特定应用需求。在防冰领域，已经出现了一些创新的制造策略。例如，He等人采用一步式紫外激光微加工技术，在金属表面制备出类似荷叶的微结构（<10 μm），通过精确控制激光参数如能量密度、扫描速度和重复频率，实现了高达162°的超疏水表面，而无需任何后续化学修饰。另一种方法是Chen等人开发的光热防冰涂层，通过模板喷涂技术制造出具有多尺度微纳米结构的涂层，该涂层具备98%的平均光吸收率，表现出优异的光热转换能力，从而实现主动冰抑制。Lv等人则通过喷雾涂覆的方法，在基材上结合疏水性二氧化硅颗粒和乙烯基三乙氧基硅烷，构建出具有分层微纳米粗糙结构的表面，该表面在-10°C条件下显著延长了水滴的冻结时间，达到了56分钟，凸显了其在被动防冰方面的卓越性能。同样采用喷雾涂覆技术，Wu等人开发了一种以甲基丙烯酸甲酯为粘合剂的超疏水涂层，该涂层整合了经过三氟甲基氟碳链修饰的疏水性颗粒和十二烷基甲基丙烯酸酯。这种涂层适用于多种基材，接触角超过160°，并显著提高了防冰性能，使原混凝土表面的水滴冻结时间延长至30分钟。

在高效大气水收集的仿生表面设计方面，Yi等人通过磁流变绘制光刻技术（MRDL）在超亲水多孔基材上制造出三维仙人掌状的锥形刺，从而实现了创新的水收集策略。该设计的关键在于通过MRDL技术在刺上构建方向性的微钩结构，这大幅增强了水滴的单向运输能力。结构优化后，该表面的雾收集速率达到了237 mg/h，显著优于无钩结构的性能。Yu等人则采用脉冲激光沉积（PLD）技术，在硅和聚二甲基硅氧烷（PDMS）预处理的超疏水基材上定义出超亲水区域，从而构建出一种混合润湿性模式。实验数据显示，这种对比润湿性模式显著提升了水收集效率，达到了5.3 g/cm2/h，远超均匀超亲水或超疏水表面的性能。

尽管在防冰、流体阻力减小、水收集和油水分离等应用领域，润湿性调控技术取得了显著进展，但人工系统仍面临诸多挑战。这些问题包括动态可控性不足和环境适应性差。例如，尽管具有混合润湿性的仿生表面在高湿度条件下表现出优异的性能（>70% RH），但在干旱环境中（如3–15% RH，典型的沙漠环境）的水收集能力却明显低于自然模型，如沙漠甲虫的表面。此外，某些材料的湿度传输效率在强制气流条件下表现良好，但在静态空气环境中却大幅下降，这凸显了其对环境因素的高度依赖性。

等离子体处理作为一种高效、环保且精确可控的表面改性方法，正在成为先进润湿性调控的重要手段。例如，Ma等人利用低温氧气等离子体处理聚合物表面，成功引入含氧极性官能团，实现了从疏水性到超亲水性的可逆调控，并显著提升了表面在高湿度环境下的湿度吸附能力。Li等人的研究表明，通过调控等离子体处理的时间和功率，构建具有梯度表面能的微结构，能够有效增强低温下的防冰性能。然而，目前的研究大多集中于单一材料系统或特定润湿性范围，对等离子体处理与微结构协同作用下润湿性演变机制的系统研究仍较为缺乏，尤其是在高性能复合材料系统如聚丙烯基碳纤维增强复合材料（PP-CFRP）中。此外，尽管人工智能（AI）技术已在材料的机械性能和化学合成研究中得到广泛应用，加速了众多潜在参数的设计和优化，但在表面润湿性调控方面的应用仍较为有限，尤其是在涉及多种耦合参数如微结构类型和尺寸、化学官能团组成等的系统中。如何利用机器学习方法解析等离子体处理参数、表面微结构与润湿性之间的复杂映射关系，仍然是当前研究中的一个关键挑战和空白。

为了解决上述问题，本研究专注于聚丙烯基碳纤维增强复合材料（PP-CFRP），并利用纳米压印和等离子体改性技术，协同调控表面的物理结构和化学组成。通过系统研究表面微结构参数与等离子体诱导的化学官能团演变之间的耦合机制，结合机器学习和生成模型，本研究旨在实现对复合材料表面润湿性的高效预测和逆向设计。这一研究不仅为理解表面润湿性的调控机制提供了新的视角，还为开发具有自适应和智能响应特性的新型润湿性功能表面奠定了理论基础和方法论创新。最终目标是为复杂环境下的新一代润湿性功能表面提供更加灵活和高效的设计策略。