物理引导图学习框架预测CNT/SBS导电性

Macromolecules论文作者团队提出一种物理信息图学习框架，将杂化粒子场分子动力学与图神经网络结合，用于解析碳纳米管（CNT）/三嵌段共聚物SBS体系中纳米填料与聚合物的相互作用同宏观电导率之间的关系。 作者称，该框架把经典渗流幂律嵌入物理信息图卷积网络（PIGCN），从而在渗流阈值附近数据稀疏区域、以及未见过浓度下也能给出准确预测。 在控制长径比的SBS/CNT复合材料上，实验验证与预测一致：高长径比CNT形成长程连通，低长径比填料则增强网络稳健性。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。