电场诱导MBBA基液晶物理凝胶结构与流变学调控

《Gels》：Electric-Field-Induced Modulation of Structure and Rheology in MBBA-Based Liquid Crystal Physical Gels

　　

对可持续和节能材料日益增长的需求使气凝胶成为先进隔热应用的有前景候选材料。其中，聚氨酯（Polyurethane, PU)气凝胶因其隔热性能和机械多功能性而受到越来越多的关注。然而，其开发通常依赖于试错实验，耗时且资源密集。本研究提出了一个数字孪生（Digital Twin, DT)框架以支持PU气凝胶设计并减少实验工作量。利用来自21次合成实验的数据，包括工艺配置、参数映射、模型开发和过程分析，开发了一个中试规模的数字孪生。评估了两种预测模型，其中支持向量回归（Support Vector Regression, SVR)模型与实验数据表现出良好的一致性(R² = 0.964)，并被选用于估计研究参数范围内的气凝胶密度。该DT框架能够识别与较低密度相关的合成条件，这可能有助于改善隔热性能。这些结果说明了DT辅助建模在支持材料开发、改进过程理解和指导更高效的PU气凝胶合成实验方面的潜力。总体而言，本工作突显了一种数据驱动方法，用于推进可持续和可扩展的气凝胶制造。

**研究背景与问题提出**

气凝胶作为一种独特的超轻、高孔隙率材料，以其低密度、高比表面积和优异的隔热性能而著称，在先进隔热应用领域具有广阔前景。传统二氧化硅气凝胶虽性能突出，但其固有的脆性和结构脆弱性严重限制了实际应用。聚氨酯（Polyurethane, PU)气凝胶结合了传统气凝胶的内在热学性能与优越的机械完整性、可调控的柔韧性以及多样化的大分子化学特性，成为具有竞争力的替代材料，可应用于节能建筑、航空航天、环境保护和生物医学等领域。然而，PU气凝胶的工业化实施仍受高生产成本以及从实验室到中试规模放大过程中显著复杂性的制约。其合成涉及溶胶-凝胶聚合、结构老化和精密干燥等多步骤程序，细微的工艺参数偏差即可导致孔隙坍塌和微观结构劣化。此外，现有开发模式多依赖试错实验，开发周期长、成本高，且难以精准捕捉干燥过程中复杂耦合物理现象。数字孪生（Digital Twin, DT)技术作为创建现实世界系统虚拟表征的有力框架，虽已在航空航天、能源及复合材料等领域展现价值，但在气凝胶生产中的转译应用仍相对有限，尤其缺乏将中试规模合成参数与结构化部署方法论相整合的整体性框架。

**研究开展与核心结论**

针对上述瓶颈，研究人员构建了一个面向PU气凝胶中试生产的云端数字孪生环境。该框架明确围绕三个核心维度展开：跨生产阶段的标准化数据管理、面向材料专家的工具可及性，以及通过质量源于设计（Quality by Design, QbD)原则实现的知识整合。通过将物理边界嵌入模型，确保预测系统优先选择结构可行且隔热性能优化的解决方案。

研究人员基于21组合成实验数据开展建模，系统考察了乙二胺/六亚甲基二异氰酸酯（Ethylenediamine/Hexamethylene Diisocyanate, EDA/HMDI)摩尔比、聚乙二醇（Polyethylene Glycol, PEG)分子量、固含量及分散方式等参数对气凝胶密度和导热系数的影响。在模型遴选方面，对比了弹性网络回归（Elastic Net)与支持向量回归（SVR)两种方法。SVR模型采用径向基函数核，通过留一交叉验证（Leave-One-Out Cross-Validation, LOOCV)调优正则化参数C和ε，最终获得R²=0.964、均方根误差（Root Mean Squared Error, RMSE)=4.8×10^-3 g/cm³、平均绝对误差（Mean Absolute Error, MAE)=4.2×10^-3 g/cm³的优异预测性能，显著优于R²=0.820的弹性网络模型，故被选为密度预测的核心模型。

工艺参数影响规律方面，研究发现：EDA/HMDI比率存在0.25的关键阈值，过高引发氧化降解和发黄脆化，过低则导致交联不完全；PEG分子量在600–4000 g/mol范围内增加可降低密度，但过高会引发过早团聚；固含量超过12 wt.%促使闭孔形貌转变，加剧毛细应变和宏观开裂；机械搅拌较超声分散更有助于获得低密度制品。基于SVR模型的等高线图分析和可行域识别，确定了最优合成窗口：EDA/HMDI比0.15–0.25 mol/mol、PEG分子量约3000 g/mol、固含量低于12 wt.%且以机械搅拌分散，预测最优密度0.037 g/cm³，对应导热系数0.034 W/m·K。该研究发表于《Gels》期刊，为智能材料和环境负责任生产系统的发展做出了贡献。

**关键技术方法**

研究采用的关键技术方法包括：基于81个工艺参数映射的标准化数据管理；云端数字孪生平台架构实现远程访问与协同；主成分分析（Principal Component Analysis, PCA)探索数据结构；弹性网络回归与SVR进行对比建模，LOOCV策略进行模型验证与参数优选；二维/三维等高线图与可行域可视化工具辅助决策；三维扫描仪测定样品体积并计算密度；热流计法（Heat Flow Meter, HFM)测定导热系数。

**研究结果**

**2.1 密度与导热系数结果**
通过系统变化有机溶剂、固含量和聚醇分子量合成多样化气凝胶样品。化学稳定性分析确定EDA/HMDI比率超过0.25时，过量伯胺引发氧化降解和发色团形成，导致黄变和结构脆化；过低比率则阻碍异氰酸酯基团完全转化。PEG分子量的影响呈显著非线性：增加分子量降低有效交联密度、扩大软段间距、减少干燥毛细压力，利于保持介孔框架；但上限分子量因粘度和链运动性降低导致聚合动力学受阻而不具可行性。固含量高于12 wt.%促进闭孔形貌转变，内部应力增大使材料易发生宏观开裂。该部分物理洞见构成建模框架的基础逻辑，将现象学约束整合以定义模型操作包络，确保预测算法兼顾热性能优化与结构可行性。

**2.2 数字孪生驱动中试工厂**
数字孪生实现从事后分析向事前决策模拟的转变。通过等高线图探索输入变量组合对密度等输出的影响，识别可行域以确定最优操作条件。追踪密度和导热系数两项关键绩效指标（Key Performance Indicators, KPI)，建立包含阈值监控、物料配比和密度对比图表的仪表盘，实现新数据集成时的 streamlined 分析。

**2.3 过程性能的数学建模**

*y*2.3.1 弹性网络*

弹性网络回归联合L1与L2正则化以提升泛化能力，筛选后判定固含量为唯一显著变量，降低固含量可最小化密度。模型R²=0.820，各误差指标与同类研究相当，但因简化处理未能充分表征其他输入变量的影响，预测精度受限于特定固含量下的数据方差。

*y*2.3.2 支持向量回归*

SVR模型采用径向基函数核，考虑全部四项输入变量，获得R²=0.964、MSE=2.3×10^-5、RMSE=4.8×10^-3、MAE=4.2×10^-3的优异性能。等高线图揭示：最优EDA/HMDI比0.15–0.25 mol/mol；PEG分子量越高密度越低，阈值约3000 g/mol；固含量降低则密度降低，但存在合成物理下限；机械搅拌优于超声分散。综合约束条件，最优操作点密度0.037 g/cm³，相对误差12%（绝对偏差0.003 g/cm³），对应导热系数0.034 W/m·K，处于实验范围低端。鉴于数据集有限，模型泛化能力尚需进一步验证。

*y*2.3.3 导热系数的弹性网络模型*

thermal conductivity预测模型效果逊于密度，故选用最简模型估算数量级。仅EDA/HMDI比率被判定为相关变量，RMSE=0.0036 W/m·K、MAE=0.0027 W/m·K，误差处于重复实验变异范围。低R²归因于设计空间狭窄区域内实验聚集导致的导热系数有限方差。

**讨论与结论**

数字孪生的集成显著增强了过程理解，通过配置模型和工具（如仪表盘与KPI)支持生产和材料属性的优化决策。SVR模型以R²=0.964的高预测精度有效指导合成路径优化。模型驱动的实验空间探索揭示了降低密度、改善隔热的有利操作窗口：PEG分子量约3000 g/mol、EDA/HMDI比0.15–0.25 mol/mol、固含量低于12 wt.%，同时避免团聚或稳定性问题；机械搅拌为最适合的低密度制备分散方式。降低固含量虽一般可改善材料性能，但过低值会阻碍正常气凝胶形成。所有结论需在有限数据集背景下理解，在拓展设计空间外应用前须经进一步实验确认。

总体而言，本研究展示了实验合成、预测建模与数字孪生技术相结合以加速PU气凝胶开发、减少试错依赖并支持中试规模实施的价值。未来工作应聚焦于扩充数据集、精炼模型特征并强化数字孪生基础设施，以实现更广泛的规模化应用和工业部署。通过将数据驱动工程与可持续制造原则相结合，该方法有助于智能材料的发展和更具环境责任感的生产系统构建。