AI 辅助设计可化学回收食品包装聚合物

聚合物包装在食品保存中发挥着关键作用，但面临回收和环境持久性的主要挑战。为满足可持续、高性能替代品的需求，我们采用聚合物信息学工作流程来识别单层和多层用于取代聚合物包装材料的 drop-in 替代品。训练在精心策选的聚合物数据集上的机器学习（ML）模型，预测约 740 万种环肠聚合物（ROP）聚合物中八个关键属性，这些聚合物由虚拟前向合成（VFS）生成。通过聚合物化学热力学（enthalpy of polymerization）筛选候选者，这是化学回收的关键指标。该筛选产生了数千个有前景的候选者，表明可替换多样化的包装结构是可行的。我们随后实验验证了聚(p-二氧己啶）（poly-PDO），这是一种现有的 ROP 聚合物，其阻挡性能尚未报道。验证结果显示，poly-PDO 表现出强大的水阻性能、机械和热力学特性，与预测一致，并实现优异的化学回收（95% 单体回收），满足设计目标，凸显其可持续包装的潜力。这些发现凸显了信息学方法在加速可持续聚合物发现方面的力量，揭示了在现有和新化学方面寻找机会的潜力。