KI-gestützte Genomstrategie beschleunigt Entwicklung hochfester Polyimid-Folien

Die Optimierung mechanischer Eigenschaften in thermisch stabilen Polyimidfolien stellt Materialwissenschaftler seit langem vor große Herausforderungen. Traditionelle trial-and-error-Syntheseverfahren sind langsam, kostspielig und in ihrer Fähigkeit begrenzt, komplexe molekulare Räume zu erkunden. Ein Forschungsteam der East China University of Science and Technology hat nun eine KI-gestützte Materialgenom-Strategie entwickelt, die diesen Prozess revolutioniert.

In ihrer Studie, die am 2. September 2025 im Chinese Journal of Polymer Science veröffentlicht wurde (DOI: 10.1007/s10118-025-3403-x), kombinierten die Wissenschaftler maschinelles Lernen mit einem Materialgenom-Rahmenwerk, um konkurrierende mechanische Eigenschaften schnell vorherzusagen und zu optimieren. Durch die Definition von Polymer-Substrukturen als molekulare "Gene" screente das Team mehr als 1.700 phenylethinyl-terminierte Polyimid-Kandidaten und identifizierte eine Formulierung namens PPI-TB mit gleichzeitig hohem Elastizitätsmodul, Zugfestigkeit und Bruchdehnung.

Die Forscher konstruierten Gaussian Process Regression-Modelle, die auf über 120 experimentellen Datensätzen von Polyimidfolien trainiert wurden. Jede strukturelle Fragmente der Polymere – Dianhydrid, Diamin und Endgruppen-Einheiten – wurden als "Gene" behandelt, die einen riesigen chemischen Raum definieren. Die Modelle erreichten eine hohe Vorhersagegenauigkeit (R² ≈ 0,70–0,74) für alle drei mechanischen Kennwerte und wurden verwendet, um jeden Kandidaten auf umfassende mechanische Leistung zu bewerten.

Molekulardynamik-Simulationen validierten das Screening und zeigten, dass PPI-TB (Genkombination A₄/B₃₂) einen überlegenen Elastizitätsmodul (3,48 GPa), Zähigkeit und Festigkeitsindikatoren im Vergleich zu etablierten Systemen wie PETI-1 und O-O-3 aufwies. Nachfolgende Experimente an repräsentativen PPIs bestätigten die starke Übereinstimmung zwischen vorhergesagten und gemessenen Daten. Weitere "Gen"- und Feature-Importance-Analysen enthüllten wichtige Design-Prinzipien: konjugierte aromatische Strukturen verbessern die Steifigkeit, Heteroatome und Heterocyclen stärken molekulare Wechselwirkungen, und flexible Si- oder S-haltige Einheiten verbessern die Dehnung.

Diese integrierte Strategie verkürzt Entwicklungszyklen drastisch und bietet einen kosteneffektiven, datengesteuerten Weg zur Entwicklung hochleistungsfähiger Polymerfolien. Polyimidfolien sind in der Luft- und Raumfahrt, flexibler Elektronik und Mikrodisplay-Technologien aufgrund ihrer thermischen Stabilität und Isolierungseigenschaften unverzichtbar. Die KI-gestützte Materialgenom-Strategie bietet einen universellen, skalierbaren Rahmen für die Entwicklung von Polymeren mit gezielten Kombinationen aus Steifigkeit, Festigkeit und Flexibilität – Eigenschaften, die für Mikroelektronik, Luft- und Raumfahrt-Verbundwerkstoffe und flexible Schaltungssubstrate essentiell sind.

Durch den Ersatz jahrelanger experimenteller Iterationen durch prädiktive Modellierung und virtuelles Screening reduziert diese Methode Kosten und Entwicklungszeit erheblich. Über Polyimide hinaus könnte der Workflow für andere Hochleistungs-Polymerklassen adaptiert werden und die Entwicklung leichter, langlebiger und thermisch stabiler Materialien leiten, die zukünftige elektronische und Luft- und Raumfahrttechnologien antreiben. Die Studie wurde finanziell unterstützt durch das National Key R&D Program of China und den National Natural Science Foundation of China. Weitere Informationen sind unter https://doi.org/10.1007/s10118-025-3403-x verfügbar.