8月29日，記者從深圳大學獲悉，該校化學與環境工程學院特聘副教授范海龍聯合日本北海道大學教授龔劍萍等人，基于蛋白質數據庫，創新性地提出一種融合數據挖掘、仿生實驗設計與機器學習的“三位一體”設計策略，成功預測并開發出水下粘附強度達到兆帕級的超粘水凝膠。相關研究成果于日前發表在《自然》上。

設計凝膠與彈性體等軟材料是一項復雜任務，需要篩選合適的結構單元類型與用量，以確定其在材料中的排布方式，而由此產生的設計空間包含無數種可能組合。同時，還受到弱分子相互作用與熱漲落共同影響。

據悉，數據驅動方法利用標準化數據集，通過改變具有明確原子結構的硬質材料的發現與預測范式，實現精確的性能預測并促進設計空間的高效探索。

然而，由于軟材料存在復雜的多尺度結構—性能關系，相關應用仍面臨挑戰。

科研人員通過融合數據挖掘、實驗驗證與機器學習的數據驅動策略，設計適用于嚴苛水下環境的高性能粘附水凝膠。

其中，通過挖掘蛋白質數據庫，科研人員開發出描述符策略，并利用理想共聚在聚合物鏈中統計復現蛋白質序列模式，從而實現水凝膠的定向設計與數據集構建。

同時，基于180種仿生水凝膠的初始數據集，科研人員采用機器學習優化配方后獲得粘附強度的顯著提升，最高值突破1兆帕。

另悉，這類超強粘附水凝膠在生物醫學工程至深海探測等領域展現出巨大應用潛力，標志著軟材料數據驅動創新的重要突破。