防止石化塑料在自然环境中积累的一个解决方案是使用天然成分开发可生物降解的塑料替代品。然而，发现符合特定特性的天然替代品仍极具挑战性，如光学透明性、阻燃性和机械弹性。在这里，马里兰大学Po-Yen Chen、胡良兵、李腾报道了一个集成的工作流程，它结合了机器人和机器学习，以加速发现具有可编程光学、热学和机械性能的天然塑料替代品。

本文要点：

1) 作者首先命令自动移液机器人制备286种具有各种性质的纳米复合薄膜，以训练支持向量机分类器。接下来，作者通过14个具有数据扩充的主动学习循环，分阶段制备135种全天然纳米复合材料，并建立人工神经网络预测模型。

2) 该预测模型可以进行双向设计任务：（1）从全天然纳米复合材料的组成预测其物理化学性质；（2）自动满足各种可生物降解塑料的逆向设计。通过利用该模型的预测能力，作者制备了几种全天然替代品，这些替代品可以取代不可生物降解的替代品。

参考文献：

Tianle Chen et.al Machine intelligence-accelerated discovery of all-natural plastic substitutes Nature Nanotechnology 2024

DOI: 10.1038/s41565-024-01635-z

https://doi.org/10.1038/s41565-024-01635-z