Эффективность высвобождения энергии и безопасность эксплуатации энергетических материалов тесно связаны с их кристаллической морфологией и микроструктурой, однако между их высокой плотностью энергии и низкой механической чувствительностью долгое время существует внутреннее противоречие. В последние годы приготовление сферолитов и других агрегированных морфологий методом противорастворительной кристаллизации стало важным технологическим путём для разрешения этого противоречия. По сравнению с традиционными игольчатыми кристаллами уникальная радиально-разветвлённая структура сферолитов позволяет значительно снизить ударную и фрикционную чувствительность, одновременно эффективно улучшая сыпучесть порошка, повышая плотность упаковки и усиливая термическую стабильность, благодаря чему они демонстрируют выдающийся потенциал применения в кристаллизационной инженерии энергетических материалов.

Тем не менее точное регулирование морфологии сферолитов по-прежнему сталкивается со значительными трудностями. Процесс роста сферолитов зависит от неклассического механизма ветвления и подвержен сильному нелинейному связыванию многочисленных факторов, таких как траектория эволюции пересыщения, сдвиговое течение жидкости и межфазная адсорбция добавок. В настоящее время стратегии регулирования в основном опираются на эмпирический метод проб и ошибок, который малоэффективен в многомерном пространстве технологических параметров. Кроме того, из-за высокой опасности энергетических материалов соответствующие экспериментальные данные крайне скудны. Поэтому вопрос о том, как в условиях малой выборки преодолеть ограничения многофакторного связывания и совершить методологический скачок от эмпирического подхода к прогностическому обратному проектированию, стал ключевой научной проблемой, которую необходимо решить в этой области.

Для решения上述 проблем объединённая команда, состоящая из Института химических материалов Китайской академии инженерной физики, Чунцинского университета и других организаций, провела углублённое исследование с использованием настольного растрового электронного микроскопа серии ZEM компании ZEPTOOLS, и построила основанную на машинном обучении и ограниченном обратном проектировании методологическую платформу для малых выборок. Команда количественно выявила нелинейный механизм регулирования морфологии ключевыми технологическими параметрами и успешно осуществила точное направленное конструирование и оптимизацию процесса превращения энергетического материала LLM-105 из игольчатой формы в плотные сферолиты.

Название:From acicular to Spherulite: crystallization optimization guided by machine learning for enhanced energetic material properties 
Журнал:Chemical Engineering Science 
Ссылка:http://dx.doi.org/10.1016/j.ces.2026.124959

В процессе противорастворительной кристаллизации энергетических материалов многофазный перенос и кинетика роста кристаллов тесно переплетены, что легко приводит к непредсказуемости морфологии кристаллов, а скудость экспериментальных образцов ещё больше ограничивает применение традиционных методов моделирования. Чтобы обеспечить точную идентификацию микроскопической морфологии при ограничениях малой выборки, исследование было сосредоточено на типичном энергетическом соединении LLM-105 (2,6-диамино-3,5-динитропиразин-1-оксид) с использованием полиcукцинимида (PSI) в качестве модификатора формы кристаллов. Были систематически получены данные 107 партий экспериментов по противорастворительной кристаллизации, из которых 83 образца с экспертной разметкой были строго разделены на три категории: сферолиты, игольчатые кристаллы и другие неидеальные фазовые состояния. Используя пять ключевых технологических параметров — концентрацию раствора, объёмное соотношение растворителя и противорастворителя, долю добавки, температуру противорастворителя и скорость перемешивания — в качестве физических входных признаков, было проведено сравнительное оценивание нескольких моделей классификации машинного обучения. Тестирование показало, что алгоритм классификации CatBoost достиг точности 0,8235, взвешенной F1-меры 0,816 и площади под рабочей характеристической кривой 0,941 на тестовом наборе, продемонстрировав отличную способность к обобщению и стабильность в условиях малой выборки и успешно построив высокоточное математическое отображение технологических параметров на категории морфологии кристаллизации.

Чтобы преодолеть长期 существующий эффект «чёрного ящика» в регулировании роста сферолитов и прояснить иерархический механизм регулирования различных технологических переменных, исследование с помощью игрового метода SHAP глубоко проанализировало внутреннюю логику принятия решений модели машинного обучения. Анализ интерпретируемости модели чётко показал, что концентрация раствора и объёмное соотношение растворителя/противорастворителя составляют доминирующую термодинамическую движущую силу, регулирующую эволюцию морфологии, вместе внося около 65% дисперсии решений модели. При этом высокая концентрация и низкое соотношение растворителя/противорастворителя могут синергетически обеспечивать чрезвычайно высокое локальное мгновенное пересыщение, тем самым индуцируя неклассический разветвлённый рост. Количество добавки полиcукцинимида и температура противорастворителя как второстепенные регулирующие факторы занимают около 30% дисперсии решений: молекулы модификатора тонко регулируют плотность и микроскопические характеристики ветвления агрегатов посредством селективной конкурентной адсорбции на определённых гранях кристаллов и закрепления ступеней роста, тогда как скорость перемешивания в исследованном диапазоне оказывает относительно слабое влияние. Этот анализ успешно преобразовал разрозненный качественный опыт в количественную основу для принятия решений по регулированию технологического процесса.

На основе выяснения причинно-следственных связей ключевых технологических процессов исследование дополнительно предложило метод обратного проектирования с полным перебором и фильтрацией, объединяющий ограничения физической осуществимости, для замены традиционного слепого метода проб и ошибок. Используя обученный классификатор в качестве суррогатной модели, был выполнен полный обход более 640 тысяч допустимых дискретных состояний после фильтрации нефизических условий, что позволило напрямую определить технологическую комбинацию с наибольшей вероятностью образования сферолитов. В последующей проверке микроструктуры образцов исследовательская группа с помощью настольного растрового электронного микроскопа серии ZEM компании ZEPTOOLS при ускоряющем напряжении 10 кВ систематически наблюдала морфологию поверхности кристаллов полученных образцов. Это напрямую подтвердило, что оптимальный прогнозируемый процесс способен успешно подавить грубый игольчатый рост исходного сырья и вместо этого сформировать типичные сферические микро-наноагрегаты с чётким ветвлением, радиально расходящимся от центра, и компактной структурой, что полностью подтверждает надёжность и исполнимость технологии обратного отбора на основе дискретных ограничений в направленной реконструкции морфологии кристаллов энергетических материалов.

Успешная реконструкция микроскопической агрегатной морфологии напрямую способствовала значительному улучшению макроскопических свойств порошка, в связи с чем исследовательская группа дополнительно проанализировала взаимосвязь «структура–активность» между эволюцией конфигурации сферолитов и функциональными характеристиками порошка. Испытания фазового состава и пористости показали, что при сохранении исходной моноклинной кристаллической формы удельная поверхность успешно сформированных плотных сферолитов значительно увеличилась с 2,18 м²/г для исходного сырья до максимума 9,44 м²/г. Распределение пор в нано- и мезомасштабе высоко коррелирует с плотностью микроскопического ветвления, что разъясняет фундаментальную закономерность регулирования плотности микроскопического роста путём ввода энергии микроперемешивания на единицу объёма. Эта работа не только предоставляет точный технологический путь для эффективной сферолитизации LLM-105, но и её общая методологическая платформа, основанная на обычных технологических переменных, количественных микроскопических характеристиках и облегчённых моделях машинного обучения, также обеспечивает универсальную и переносимую парадигму модельно-вспомогательного проектирования для контроля морфологии кристаллов更多 энергетических материалов и специальных тонких химикатов, сталкивающихся с проблемой нехватки данных.

Настольный растровый электронный микроскоп серии ZEM компании ZEPTOOLS представляет собой высокоинтегрированный, портативный и экономически эффективный научный прибор. Он обладает быстрой откачкой, высокой скоростью визуализации и разнообразным выбором детекторов сигнала, подходит для наблюдения морфологии и анализа состава, а также может адаптироваться к различным потребностям in-situ экспериментов. Прибор предъявляет низкие требования к условиям установки, не требует выбора этажа, прост в эксплуатации, и даже неспециалисты могут быстро освоить его. Он может широко применяться в таких областях, как разработка новых материалов, науки о жизни, анализ отказов и промышленный контроль качества, предоставляя научно-исследовательским институтам и корпоративным пользователям мощное решение для микроскопической характеризации, сочетающее высокую производительность и высокую экономическую эффективность.