南京大学李承辉教授AM:人工智能驱动的智能自修复材料

在自然界中，生物体具备自我修复的能力，例如DNA修复和伤口愈合，这为科学家设计自修复材料提供了灵感。然而，现有自修复材料往往在机械强度、稳定性和快速修复之间难以兼顾。传统方法如微胶囊修复剂存在修复次数有限的问题，而动态共价键等策略虽能实现重复修复，却常以牺牲材料力学性能为代价。因此，开发一种既能保持高强度又能实现高效、自主修复的新型材料，成为材料科学领域的重大挑战。

近日，南京大学李承辉教授、东南大学黄晓东教授和南京理工大学顾文华教授合作提出了一种基于人工智能的“智能修复”系统，实现了材料从“自修复”到“智修复”的跨越。该研究通过将离子液体掺入常见塑料聚己内酯中，制备出具有导电性的复合材料。材料受损时，其电学性能发生可测变化，系统通过施加微小电流产生局部焦耳热，使塑料熔化并愈合裂缝。整个过程由人工智能系统自主完成，包括损伤检测、修复触发与修复确认，形成了一个完整的“感知-修复-反馈”闭环。相关论文以“From Self-Healing to Smart-Healing: A Self-Diagnosing and Self-Healing System Based on Artificial Intelligence”为题，发表在

Advanced Materials

该系统的工作机制如图1所示，分为三个阶段：自我感知、自我修复与自我控制。在感知阶段，材料通过阻抗测量检测损伤；修复阶段，系统根据反向传播神经网络的分析结果启动局部加热；控制阶段则记录修复参数并优化后续策略。这种集成化的自主智能系统为材料自我管理提供了全新范式。

图1：智能修复自主系统的结构和工作机制。 展示系统三个阶段：自我感知、自我修复与自我控制。材料通过ADC和阻抗测量获取损伤信息，BPNN进行处理并生成修复计划，最终通过焦耳加热实现局部修复，并记录修复参数。

材料的核心是一种导电自修复聚合物，其结构如图2所示。离子液体与PCL之间通过多重离子-偶极相互作用形成动态交联网络。静电势分析显示，PCL中的羰基氧具有最强的负电势，增强了与离子的结合。随着离子液体掺杂比例的提高，材料的结晶度下降，形成多孔结构，有利于离子传导。力学与电学性能测试表明，IL-PCL-50样品在机械强度与导电性之间达到最佳平衡，其熔点约为58–60°C，适于热触发修复。

图2：导电自修复聚合物的结构与基本表征。 a) PCL与[BMIM][TFSI]之间形成的多重离子-偶极相互作用示意图；b) PCL偶极结构的静电势分析；c) 不同IL掺杂比例下羰基的红外去卷积结果；d) IL-PCL-x样品的应力-应变曲线；e) IL-PCL-x样品的电导率与多种力学性能对比；f) IL-PCL-50的流变温度扫描确认其熔点；g) IL-PCL复合材料的DSC熔融吸热曲线，箭头指示峰值熔点温度（Tm）。

图3展示了材料的修复性能及其智能评估策略。通过响应曲面法，系统能够根据损伤特征预测最优修复条件，如温度、时间与电压。实验表明，在100°C下修复15秒，材料的力学修复效率可达90%以上。此外，研究还引入“缩放因子”模型，将电导率恢复与力学性能恢复关联起来，实现了基于阻抗测量的实时修复评估。

图3：材料修复性能与响应曲面模型。 a) 通过响应曲面模型优化的材料最佳修复行为；b) 缩放因子模型中不匹配点的处理结果；c) 智能修复评估与传统自修复测试方法的对比；d) 响应曲面模型的操作流程；e) 两种自修复效率的三维交互图。

为实现精准损伤定位，研究团队开发了基于阻抗测量与深度学习相结合的自我诊断方法（图4）。系统通过8个测量端口获取28维阻抗向量，输入至反向传播神经网络中，准确预测损伤的二维坐标。测试结果显示，模型在x和y方向上的预测R²分别达到0.987和0.977，误差控制在极低范围内，显示出卓越的定位精度。

图4：基于阻抗测量与深度学习神经网络的损伤感知与修复机制。 a) 系统示意图，包括数据测量、预处理、特征提取与BPNN；b) BPNN构建流程图；c) 28个端口的测量误差分布图；d) 阻抗向量分布图；e) 相位向量分布图；f, g) Bland-Altman图显示系统预测损伤位置与实际测量位置之间的差异；h) 预测结果的误差分布。

最终，集成化的智能修复系统如图5所示，具备自我决策与自我执行能力。系统由自修复材料、选择性加热电阻阵列与智能控制模块组成。当检测到损伤时，BPNN不仅定位损伤位置，还激活对应电阻进行局部加热，并通过阻抗变化判断修复是否完成。红外成像显示，系统可同时处理多处损伤，并具备抗伪信号干扰能力，展现出高度的可靠性与适应性。

图5：自我诊断与自我修复系统的构建与演示。 a) 智能修复系统实物图；b) 材料模块的构建；c) 智能加热系统的构建过程图；d) 选择性电阻加热展示；e) 实时阻抗测试曲线及对应BPNN预测结果；f) 基于三个响应变量分类的决策边界图。

该研究成功构建了一套基于阻抗感知与人工智能的自我诊断与自我修复系统，实现了在无人干预下的全流程智能修复。系统不仅在损伤定位与修复评估方面表现出高精度与高可靠性，还通过响应曲面模型提供了可解释的修复策略优化路径。这一技术为在深海、太空等极端环境下运行的无人平台提供了新型材料解决方案，也为下一代智能自主材料的发展奠定了坚实基础。

来源：高分子科学前沿

声明：仅代表作者个人观点，作者水平有限，如有不科学之处，请在下方留言指正！