【儀表網 研發快訊】開發能夠模仿生物體，在損傷后自主感知、愈合和反饋的材料，是材料科學領域的一項重大挑戰。然而，傳統自修復材料往往需要在機械強度、穩定性與修復效率之間做出取舍，難以兼得。為突破這一瓶頸，李承輝教授團隊開發了一種基于人工智能(AI)的自診斷、自修復系統。該系統通過將離子液體融入普通熱塑性塑料(聚己內酯，PCL)中，制備出一種可修復的導電復合材料。材料損傷后，其電學特性的變化可被系統精確感知；AI系統在定位損傷后，會自主啟動局部微電流加熱，使材料熔融并無縫愈合。該系統首次完整地實現了“感知-修復-反饋”的閉環，完成了從“自修復”到“智修復”的概念轉變，從而發展出一種設計合成自修復材料的新方法。
該工作創新性地將離子液體(IL, [BMIM]TFSI)作為導電填料，融入商業化的熱塑性高分子聚己內酯(PCL)基體中(圖1)。相較于傳統的剛性無機填料，液態的離子液體不僅賦予了材料優異的離子導電性(為損傷“感知”提供電信號基礎)，更通過離子-偶極相互作用構建了動態交聯網絡，保證了材料的柔韌性。通過系統的實驗優化，團隊發現當離子液體含量為~33.3 wt%(IL-PCL-50)時，材料在機械強度、韌性與導電性之間達到了最佳平衡。該材料的熔點約60℃，這一熱響應特性使其能夠通過精準的局部加熱實現高效的損傷修復。
圖1. 導電自修復聚合物的結構和表征。
傳統的修復效果評估依賴于破壞性的力學測試，無法實現實時監控。為解決這一難題，團隊建立了一套智能評估策略。該策略通過響應面模型(RSM)，將損傷特征與修復條件(如溫度、時間)及修復效率進行關聯。由于材料的導電性恢復與機械強度恢復之間存在時間差，團隊還引入了標度因子進行校準，使得系統能夠僅通過非破壞性的電學測量，就準確推斷出真實的機械性能恢復程度。最終，AI可依據該模型，針對不同程度的損傷，智能地計算出最優修復方案(所需電壓與加熱時間)，以最高效的方式達到最佳修復效果(η > 99%)，實現了從“被動修復”到“智能決策”的跨越(圖2)。
圖2.材料自修復性能的響應曲面建模。
為了賦予材料精準的“痛覺”，團隊開發了一種高靈敏度的八端口阻抗測量方法。該方法可在材料表面采集28維的復雜阻抗向量，如同一個精密的“神經傳感網絡”，能夠實時捕捉由損傷引起的微弱電信號變化。這些高維數據被輸入到一個經過深度學習訓練的反向傳播神經網絡(BPNN)模型中。該AI模型扮演著系統“大腦”的角色，能夠從復雜的電信號“指紋”中解碼出損傷的精確空間坐標，其預測精度高達R² = 0.987(x坐標)和R² = 0.977(y坐標)，為后續的精準“治療”提供了可靠導航。
圖3.基于阻抗測量和深度學習神經網絡的損傷感知和愈合機制。
在AI“大腦”下達修復指令后，系統進入高效的“自執行”階段。一個與材料集成的選擇性加熱電阻陣列會根據AI的定位結果，精確激活損傷區域對應的微型加熱單元。焦耳熱效應使局部溫度在短時間內迅速超過材料熔點，促使高分子鏈重新流動、融合，從而在數秒至數分鐘內完成無痕修復。這一“靶向治療”式的修復方式，極大提升了能量利用效率。在修復過程中，系統會持續進行阻抗監測，并將數據反饋給AI進行實時“療效評估”。一旦AI判定材料已完全愈合(分類準確率>90%)，便會自動切斷加熱，完成一次完整的“感知-決策-執行-反饋”智能閉環。整個過程無需任何人工干預，真正實現了無人化、自主化的智能修復。
圖4.智能修復系統的構造與演示。
綜上所述，這項工作通過將材料科學與人工智能前沿技術深度融合，成功構建了一個全自主的智能修復系統。它不僅解決了傳統自修復材料的關鍵瓶頸，更提出了一種全新的智能材料設計范式。該系統所展現出的高精度、高效率和全自主的特性，使其在深海、外太空等人類難以介入的極端環境中的無人平臺上具有巨大的應用潛力，為下一代智能自主材料的發展提供了重要的理論基礎和技術框架 。
相關成果以“From Self-Healing to Smart-Healing: A Self-Diagnosing and Self-Healing System Based on Artificial Intelligence”為題，發表在《Advanced Materials》上(DOI: 10.1002/adma.202513641)。南京大學羅文林、東南大學徐瑤瑤、南京理工大學程雄為文章共同第一作者，南京大學李承輝教授、東南大學黃曉東教授、南京理工大學顧文華教授為文章的通訊作者。該工作得到了國家自然科學基金等項目的資助。
所有評論僅代表網友意見，與本站立場無關。