报告题目：人工智能辅助软材料设计浅析——数据驱动的超强粘附水凝胶全新设计

报 告 人：廖鸿广（Hongguang Liao，北海道大学化学反应设计与发现研究所博士后研究员）

报告时间：2025年11月28日（星期五）上午10:30—12:00

报告地点：轻工科学与工程学院D楼306会议室

邀 请 人：陈港 教授

主办单位：轻工科学与工程学院、先进造纸与纸基材料全国重点实验室

报告摘要：

作为科学研究的“第四范式”，以人工智能（AI）为典型代表的数据驱动方法正重塑材料科学研究的格局。在硬质材料领域，数据驱动方法已在晶体材料等具有明确原子结构的体中取得了显著进展，实现了材料性能的精准预测与高效的结构筛选。然而，当这一范式被引入软物质研究时，却面临了诸多挑战。由于软材料普遍较弱的分子间相互作用和复杂的多尺度结构所导致的模糊构效关系，传统数据驱动方法面临着数据集构建难、特征提取模糊、模型可信度低等挑战，使得“AI for SoftMatter”的研究仍处探索起步阶段。

受自然界中的软物质启发，我们提出了一种数据挖掘、仿生实验与机器学习的“三位一体”设计策略，用于加速高性能软材料的开发。以粘性蛋白为例，我们建立了一套数据挖掘策略用以提取蛋白质的序列特征，并以理想无规共聚的方式将其转化为聚合物链中的序列设计，从而实现了仿生粘附水凝胶的制备与初始数据集的构建。结合机器学习方法，我们对初始构建的180种仿生水凝胶配方进行了优化，成功获得了一系列适用于不同环境的超粘水凝胶，其性能远超既往报道的同类材料。

该工作构建了一种可应用于功能软材料设计的数据驱动研究框架，为复杂软物质的系统化设计提供了可复制的新范式，也为人工智能赋能软材料设计的深入应用拓展了全新的研究空间。

报告人简介：

廖鸿广，北海道大学化学反应设计与发现研究所博士后研究员。2017年、2020年于中国人民大学理学院化学系获学士、硕士学位，师从王亚培教授；2025年，于日本北海道大学生命科学院获博士学位，师从龚剑萍教授。研究方向聚焦“AI for SoftMatter”交叉前沿领域，致力于运用数据驱动的“第四范式”研究方法，加速仿生水凝胶的设计与开发；在水下粘附水凝胶领域，以第一作者身份在《Nature》发表论文“Data-driven denovo design of super-adhesive hydrogels”，并当选该期封面文章。