“机器学习+机器人平台”驱动生物材料设计学生学术沙龙举办

2025年1月14日下午，一场由学生主导的跨学科学术沙龙在八角楼咖啡厅举行。活动以“AI发展背景下的传统研究创新”为主题，特邀普林斯顿大学化学工程系博士生张航（线上）、安徽省先进功能高分子薄膜工程中心实验室硕士生孙沈阳（线下）联袂分享，吸引了校内外20余名师生参与。

普林斯顿大学张航通过视频连线，做了题目为“MachineLearning on a Robotic Platform for the Design of Polymer-ProteinHybrids”的报告，展示了其团队开发的机器人高通量实验平台。该平台通过集成自动化合成、原位光谱检测与深度学习算法，实现了聚合物-蛋白质杂化材料的智能筛选。“传统方法需要数百次试错实验，而我们的系统通过贝叶斯优化算法，仅需30轮迭代即可锁定最优配方。”他以“靶向抗癌药物载体”为例，解析了该技术在生物医学领域的应用前景。

本实验室2023级硕士生孙沈阳在报告中指出，高分子材料的机器学习研究面临两大核心挑战：数据量不足、质量不均与聚合物结构高效表征。他通过案例分析，揭示了传统实验数据集中存在的噪声干扰、标注不一致等问题，并提出基于图神经网络（GNN）的聚合物结构编码方法，将分子链拓扑、官能团分布等复杂特征转化为统一数字化表示，为小样本学习奠定基础。

针对高分子材料结构-性能关系建模难与外推预测精度低的痛点，开发了多任务强化学习框架。该模型通过融合量子化学计算数据与实验数据，实现了对材料热稳定性、机械强度等多元性能的协同预测。

本次学术沙龙以“咖啡厅学术”的创新形式，打破了传统学术报告的边界，构建了开放平等的交流场域。通过学生主讲、校际联动、产学对话的三重维度凸显了“学生主导、校际协同”的新型学术交流价值。