ИИ ускоряет разработку полимеров с высокой теплопроводностью

GIWAXD профили спин-покрытых полиимидных плёнок на кремниевых подложках. Автор: npj Computational Materials (2025). DOI: 10.1038/s41524-025-01671-w

Исследователи из Токийского научного института, Института статистической математики и других учреждений разработали метод машинного обучения, который с точностью 96% предсказывает жидкокристаллические свойства полимеров. Они проанализировали более 115 000 полиимидов и выбрали шесть кандидатов с высокой вероятностью образования жидкокристаллической фазы. После синтеза и экспериментов эти полимеры продемонстрировали теплопроводность до 1,26 Вт·м⁻¹·К⁻¹, что ускоряет поиск эффективных терморассеивающих материалов для электроники нового поколения.

Создание полимерных материалов, способных эффективно отводить тепло при сохранении высокой надёжности, — одна из ключевых задач современной электроники. Перспективным решением являются жидкокристаллические полиимиды, молекулы которых естественным образом выстраиваются в упорядоченные структуры, создавая пути для теплопередачи.

До сих пор разработка таких полимеров велась методом проб и ошибок из-за отсутствия чётких правил проектирования. Однако теперь международная команда учёных создала модель машинного обучения, способную предсказывать образование жидкокристаллической фазы в полиимидах — первый подобный прорыв в материаловедении.

Модель машинного обучения точно предсказывает, какие структуры полиимидов образуют жидкокристаллические фазы, ускоряя разработку термопроводящих полимеров. Автор: Токийский научный институт

Для обучения модели использовалась база данных PoLyInfo, содержащая сведения о 951 полимере с подтверждённой жидкокристаллической фазой и 3597 неразмеченных полимерах. После анализа виртуальной библиотеки из 115 000 возможных структур модель выбрала 10 800 перспективных кандидатов, из которых исследователи синтезировали шесть образцов.

Измерения показали, что теплопроводность этих полиимидов варьируется от 0,72 до 1,26 Вт·м⁻¹·К⁻¹. Наибольшие значения продемонстрировали полимеры с более жёсткой молекулярной структурой и улучшенной ориентацией в плоскости.

«Это первый случай, когда жидкокристаллические полимеры с высокой теплопроводностью были обнаружены с помощью машинного обучения. Наш метод открывает путь для исследования не только полиимидов, но и других классов жидкокристаллических полимеров», — поясняет профессор Рё Ёсида.

Исследование, опубликованное 2 июля 2025 года в журнале npj Computational Materials, возглавляла профессор Дзюнко Морикава при участии профессоров Тэруаки Хаякава и Рё Ёсиды. Основную работу выполнили доцент Стивен Ву и аспиранты Хаято Маэда и Сиори Накагава.

Этот подход знаменует переход к «компьютерному» дизайну материалов с заданными свойствами, сокращающему время разработки в разы.

Дополнительная информация: Hayato Maeda et al, Discovery of liquid crystalline polymers with high thermal conductivity using machine learning, npj Computational Materials (2025). DOI: 10.1038/s41524-025-01671-w