多元因素对三元乙丙橡胶复合材料辐照老化影响的实验与机器学习研究

本研究针对高温辐照条件下三元乙丙橡胶(EPDM)的老化机制展开攻关。通过实验与机器学习相结合的方法，揭示了抗辐照添加剂（如聚(1,2-二氢-2,2,4-三甲基喹啉)、2-巯基苯并咪唑等）在链断裂与交联竞争中的调控作用，构建的神经网络模型(R2>0.92)精准预测了辐照参数对压缩永久变形保留率(CSR)的非线性影响，其中石墨表现出最优异的抗辐照性能，为先进抗辐照材料设计提供了新范式。

　　

这项开创性研究深入解析了三元乙丙橡胶(EPDM)在高温辐照环境中的"生死博弈"——当材料遭遇电离辐射时，分子链断裂与交联反应如同拔河般相互角力。令人惊讶的是，含有抗辐照添加剂的复合材料展现出"遇强则强"的特性：在高剂量辐照下反而保持更高的压缩永久变形保留率(CSR)，这种反常现象通过交联密度测试揭开了谜底。

研究团队巧妙地将机器学习引入材料科学，训练出的神经网络模型就像个"数字预言家"(R²>0.92)，能精准预测不同辐照剂量与温度组合对材料性能的影响。通过SHAP分析这个"贡献值计算器"，量化了各种添加剂对抗辐照性能的加持效果。在众多候选材料中，石墨这位"抗辐照冠军"脱颖而出，其独特的层状结构如同为分子链穿上防弹衣。

这项研究不仅破解了链断裂与交联的微观竞争机制，更通过实验-计算的双轮驱动，为开发新一代航天密封材料、核电站防护部件等特种材料绘制了精准的"性能地图"。那些在辐射场中"越战越勇"的EPDM复合材料，或将开启抗辐照材料设计的新纪元。