2026年2月，课题组硕士生马龙雨在Macromolecules上发表文章
Precise Design of Hydrogels by Machine Learning-Assisted Solvent Exchange Strategy
本文报道了一种机器学习辅助溶剂置换策略的明胶水凝胶精准设计新框架，通过数据驱动方法显著提升了凝胶配方筛选效率与性能预测准确性。相比传统试错方法，本研究基于约200条实验数据构建的多层感知器（MLP）模型结合贝叶斯优化，实现了对小样本场景下储能模量（R² = 0.95）、损耗模量（R² = 0.93）和水凝胶粘度（R² = 0.95）的高精度预测。通过SHAP分析，揭示了浸泡时间、明胶含量和溶剂密度等关键参数对机械性能的主导作用，并量化了影响程度与方向。基于优化模型进行大规模虚拟筛选，以245个初始数据点构建了包含14,400条记录的性能数据库，覆盖多种溶剂体系和工艺条件。该工作通过机器学习与溶剂置换机理的协同设计，实现了更高预测精度、更低实验成本和更优配方可控性，为智能水凝胶材料的按需设计与高通量开发提供了新的解决方案。
论文发表在Macromolecules上，文章的第一作者为硕士研究生马龙雨，潘向强教授、张正彪教授、何汉良教授和金国庆教授为共同通讯作者。
相关论文链接：10.1021/acs.macromol.5c02582
发表证明
2026年2月，课题组硕士生马龙雨在Macromolecules上发表文章
Precise Design of Hydrogels by Machine Learning-Assisted Solvent Exchange Strategy
本文报道了一种机器学习辅助溶剂置换策略的明胶水凝胶精准设计新框架，通过数据驱动方法显著提升了凝胶配方筛选效率与性能预测准确性。相比传统试错方法，本研究基于约200条实验数据构建的多层感知器（MLP）模型结合贝叶斯优化，实现了对小样本场景下储能模量（R² = 0.95）、损耗模量（R² = 0.93）和水凝胶粘度（R² = 0.95）的高精度预测。通过SHAP分析，揭示了浸泡时间、明胶含量和溶剂密度等关键参数对机械性能的主导作用，并量化了影响程度与方向。基于优化模型进行大规模虚拟筛选，以245个初始数据点构建了包含14,400条记录的性能数据库，覆盖多种溶剂体系和工艺条件。该工作通过机器学习与溶剂置换机理的协同设计，实现了更高预测精度、更低实验成本和更优配方可控性，为智能水凝胶材料的按需设计与高通量开发提供了新的解决方案。
论文发表在Macromolecules上，文章的第一作者为硕士研究生马龙雨，潘向强教授、张正彪教授、何汉良教授和金国庆教授为共同通讯作者。
相关论文链接：10.1021/acs.macromol.5c02582
发表证明