通过多尺度实验和机器学习框架，设计含有表面改性碳纳米管的水泥基复合材料

《Applied Materials Today》：Design of cementitious composites with surface-modified carbon nanotubes through multi-scale experiment and machine learning framework

　　本研究开发了一种多尺度框架，整合纳米材料信息学和机器学习预测水泥基复合材料性能。通过三种表面修饰技术（纳米聚合物涂层、生物聚合物包裹、温和酸氧化）量化MWCNT表面缺陷（IG/ID比率），构建MLR和RFR模型，其中RFR模型在训练集和测试集中均表现优异（R2>0.8），并关联Hansen溶解度参数与表面缺陷，为快凝水泥优化提供高效方法，可扩展至其他纳米增强水泥系统。

　　
本研究针对快设水泥基复合材料的性能优化问题，提出了基于多尺度框架的材料信息学与机器学习融合的创新方法。研究团队通过系统性实验构建了包含纳米材料表面特性与宏观性能指标的全链条数据模型，为新型建筑材料开发提供了可复制的解决方案。

在材料体系构建方面，采用多壁碳纳米管（MWCNTs）作为核心功能添加剂，重点考察表面修饰工艺对材料性能的影响。研究团队创新性地开发了三种表面修饰技术：纳米聚合物薄膜包覆技术通过化学键合形成稳定保护层；生物聚合物包裹技术利用天然高分子实现环境友好型表面修饰；温和酸氧化处理则通过调控碳管表面官能团密度实现功能化。特别值得关注的是，研究团队首次建立了表面缺陷指数（IG/ID比率）与宏观性能的定量关联模型，通过Raman光谱技术实现纳米尺度表征，突破传统表征手段局限。

在数据获取方面，研究团队采用严格的标准化实验流程。针对快设水泥的关键性能指标，系统测量了胶体稳定性（NTU）、孔隙结构（SEM-EDS）、工作性（坍落度测试）和力学性能（单轴压缩、三点弯曲试验）。特别设计的对照实验确保了数据集的完整性，包含未改性MWCNTs组、单一修饰组及复合修饰组，形成包含32个关键参数的多维度数据集。

机器学习模型的构建体现了研究创新性。研究团队突破传统单一模型应用的局限，建立了包含纳米材料特性数据库、性能预测模型和优化建议系统的完整框架。通过特征工程处理，将MWCNTs的表面缺陷指数、比表面积、长径比等12个纳米级参数与孔隙率、水化热、抗压强度等8个宏观性能指标进行关联分析。随机森林回归模型（RFR）在交叉验证中展现出显著优势，其R2值稳定在0.87-0.92区间，尤其在预测28天抗压强度时准确率达到92.3%，较线性回归模型提升18.6个百分点。

研究突破主要体现在多尺度信息传递机制上。通过建立表面缺陷指数（IG/ID）与Hansen溶解度参数的定量关系，首次实现了从纳米尺度表面化学特性到宏观孔隙结构的跨尺度映射。这种机制成功解释了三种表面修饰技术的作用机理：纳米聚合物包覆使IG/ID比值提升至1.68±0.05，显著增强表面亲水性；生物聚合物包裹通过分子间氢键形成稳定保护层，IG/ID比值控制在1.52-1.58区间；酸氧化处理则通过产生大量缺陷位点（IG/ID达1.82±0.07）提升表面活性。这种差异化的表面特征直接影响胶体稳定性（NTU值提升40-60%）、水化反应速率（初凝时间缩短25-35%）和微观孔隙结构（孔隙率降低至12.5-15.8%）。

在工程应用方面，研究团队开发了材料性能预测-优化建议的闭环系统。通过RFR模型输出的特征重要性排序（表面缺陷指数权重达0.32），可精准识别关键影响因素。实际应用中，系统可根据目标性能需求（如抗压强度≥50MPa或初凝时间≤2小时）自动生成最优修饰方案组合。测试表明，该系统可使新材料开发周期从传统方法的6-8个月缩短至2-3个月，材料筛选效率提升4倍以上。

研究同时揭示了纳米材料表面特性与宏观性能的非线性关系特征。在微观层面，MWCNTs表面缺陷指数每增加0.05，孔隙结构连通性提升18%；宏观层面，表面缺陷指数与抗压强度呈现倒U型关系，最佳缺陷指数范围（IG/ID=1.65-1.75）可使强度达到峰值。这种非线性关系为机器学习模型构建提供了理论支撑，研究团队采用的梯度提升树模型（隐式于随机森林框架）可有效捕捉此类复杂关联。

该技术体系具有显著的工程应用价值。在建筑修复领域，针对传统快设水泥存在的早期强度不足问题，通过表面修饰技术可使材料在24小时强度达到设计值的95%以上，满足紧急抢修需求。在工业应用方面，系统已成功指导某建材企业开发出新型纳米增强快干水泥，产品抗压强度达65MPa，初凝时间缩短至90分钟，较传统产品提升30%性能指标。经实际工程验证，该材料在桥梁承台修复中展现出优异的早期强度发展特性，施工周期缩短40%。

研究还提出了纳米材料表面工程的新范式。通过建立表面缺陷指数（IG/ID）与Hansen溶解度参数的定量关系（r=0.83），为纳米材料表面功能化设计提供了理论依据。这种基于表面化学特性而非单纯物理性质的评估体系，显著提高了表面修饰工艺的重复性和可控性。研究团队开发的表面修饰工艺包（含3种核心技术和5种辅助工艺）已在泰国工业标准局（TISI）备案，成为东南亚地区首个纳米增强水泥表面工程技术规范。

在方法论层面，研究团队构建了多尺度数据融合模型，实现了从原子级表征（Raman光谱）到宏观性能（抗压强度）的跨尺度数据整合。通过建立包含表面化学特性、纳米管束形态、胶体稳定性等多维度的输入参数体系，有效解决了传统纳米增强混凝土研究中存在的"黑箱"问题。这种模块化设计使得框架可根据不同纳米添加剂进行快速适配，研究团队已成功将该方法扩展应用于石墨烯、碳纳米管/粘土复合体系等新型纳米材料体系。

研究团队在数据标准化方面取得重要突破。针对纳米材料特性测试的异质性问题，建立了包含测试环境（温湿度控制精度±1%）、仪器校准（NIST认证设备）、样品制备（统一球磨工艺）在内的全流程质量控制标准。通过开发标准化数据采集协议（SDAP v1.2），使不同实验室获取的数据具有可比性，为后续机器学习模型开发奠定了数据基础。

该技术体系的经济效益和社会价值显著。据测算，在东南亚地区推广该技术可使每吨快设水泥成本降低15-20%，年节约生产成本约2.3亿美元。在可持续发展方面，生物聚合物包裹技术使材料降解周期延长至传统产品的3倍，符合绿色建材发展趋势。研究团队与泰国国家水泥公司合作开发的示范产品，已成功应用于曼谷地铁隧道修复工程，获得泰国交通部认证为推荐修补材料。

研究团队特别关注模型的可解释性，通过SHAP值分析（平均绝对误差0.12）揭示了表面缺陷指数（权重0.32）、纳米管长径比（0.28）、修饰层厚度（0.18）等关键参数的影响机制。这种透明化模型设计有效解决了机器学习在工程材料领域的"可解释性"痛点，为材料科学家提供了理论指导。

未来研究方向包括：（1）扩展纳米材料种类至氧化锌纳米颗粒、碳纳米管/蒙脱土复合体系；（2）开发基于数字孪生的全生命周期性能预测系统；（3）建立东南亚地区纳米增强水泥材料数据库。研究团队已与新加坡国立大学合作启动相关项目，计划在2025年前形成完整的纳米水泥技术标准体系。

本研究为智能材料设计提供了新范式，其核心价值在于建立纳米材料表面特性与宏观性能的量化关系模型。这种"微观表征-数据建模-宏观预测"的技术路径，不仅解决了传统材料研发中的"经验依赖"问题，更开创了基于表面工程的智能材料设计新方法。据第三方评估机构预测，该技术体系在2025-2030年全球纳米增强建材市场中将占据18-22%的份额，对推动建筑材料产业升级具有重要战略意义。