机器学习赋能有机聚合物设计：低压生物电子器件的新突破

一项发表在《自然通讯》杂志的最新研究通过物理知识引导的迁移学习方法，成功突破了共轭聚合物数据稀缺的瓶颈，开发了性能优异的n型聚合物，为低压有机电化学晶体管的实际应用奠定了基础。

背景与意义

有机电化学晶体管（OECT）因其离子和电子双重导电特性，在生物传感、神经接口、可穿戴医疗设备等领域具有巨大应用潜力。与传统硅基器件相比，有机聚合物具有柔性、生物相容性等优势，特别适合直接与生物组织接触的医疗应用。然而，要实现这些应用，需要在低电压下工作的高性能聚合物——这既能降低对生物组织的损伤风险，也能简化驱动电路设计。

共轭聚合物作为有机电子学材料的核心，其性能取决于复杂的分子结构和物理特性。传统的材料筛选方式往往依靠反复实验和经验积累，效率低下。更严峻的问题是，目前关于有机电化学晶体管的实验数据极其稀缺——现有文献中仅有约112条相关记录——这使得任何基于数据的预测方法都面临严重的”数据饥荒”困境。

主要发现

• 模型预测精度突破性提升：研究团队构建的XGBoost预测模型在有机电化学晶体管性能预测上达到了R²>0.95的精度水平，对载流子迁移率（μC*）和阈值电压（Vth）的预测准确率远超行业预期。
• 发现关键设计参数：通过分析模型的特征重要性，研究人员识别出聚合物构建单元之间的能级差异（ΔHOMO和ΔLUMO）是控制极化子离位和电荷传输的关键参数。这一发现填补了既往材料设计理论的空白，为理性设计提供了明确的物理依据。
• 合成并验证高性能n型聚合物：基于模型指导，研究团队合成了三种新型n型聚合物。其中P3聚合物表现最为突出：阈值电压低至−0.08 V（接近零偏压操作），载流子迁移率高达63.5 F cm⁻¹ V⁻¹ s⁻¹，均为同类材料中的最高水平。
• 分子量和合成条件的重要性：研究发现，聚合物的分子量和合成工艺显著影响器件最终性能，聚合物溶液的黏度与其电荷传输特性存在明确的相关性，为后续生产工艺优化指明了方向。

技术方法的创新之处

本研究最值得关注的创新在于其解决”数据稀缺”的方法论。研究团队采用了”物理知识引导的迁移学习”（PKU-TL）策略：首先从相对数据量较多的有机场效应晶体管（OEFT，837条实验数据）研究中提取物理知识，然后通过精心选择的物理特征（包括最高占据轨道能级、最低未占据轨道能级、分子量、平面性指数等17维特征向量）将这些知识转移到数据极其稀缺的有机电化学晶体管领域。这种”迁移学习”方法使研究团队能够用极少的本领域实验数据训练出高精度的预测模型。

为了在计算设计和实验验证之间建立桥梁，研究人员还利用密度泛函理论（DFT）计算对候选聚合物进行了详细的量子化学分析，确保模型预测具有扎实的物理基础，而非纯粹的黑箱统计关联。

临床与科研意义

极低的阈值电压（−0.08 V）是这项工作最具临床价值的成果。在传统的有机器件中，通常需要数伏的驱动电压，这会对生物组织造成电刺激损伤。而P3聚合物接近零偏压的操作特性不仅极大降低了对生物组织的潜在伤害，还能显著简化可穿戴和植入式医疗设备的电路设计，降低功耗和芯片面积。

对于神经接口应用而言，低压操作意味着可以更精细地控制神经细胞的刺激，改善信号的信噪比。对于生物传感应用，低电压条件下的稳定运行可以延长电池续航时间，提升可穿戴设备的实用性。这些都对医疗器械的临床转化具有重要推动作用。

更广泛地看，本研究的方法论——如何在数据稀缺的新兴材料领域通过迁移学习和物理知识指导来加速材料发现——具有普遍意义。类似的策略可以应用于其他前沿材料领域，如钙钛矿太阳能电池、铅-钙钛矿量子点、新型锂电池正极材料等，有望加快这些领域的发展步伐。

局限性与后续展望

本研究仍存在若干局限。首先，这是一项计算和初步合成验证研究，虽然验证了三种n型聚合物的设计原则，但尚未进行大规模的生物相容性和长期稳定性测试。其次，模型的训练数据主要来自文献（且有机电化学晶体管的数据仅有112条），若环境条件、测试协议或聚合物纯度的细微差异可能影响实际结果。第三，研究主要关注n型聚合物，p型共轭聚合物的优化还需后续工作。

尽管如此，这项研究为后续的深入研究奠定了坚实基础。建议的后续方向包括：（1）在多个独立实验室验证P3及其衍生物的性能指标；（2）系统评估这些聚合物在体外和体内生物环境中的电化学稳定性与生物相容性；（3）基于相同设计原则开发p型配体聚合物，以实现互补型器件；（4）将这些聚合物集成到具体的医疗应用原型（如植入式神经记录芯片或皮肤贴片传感器）中进行功能验证。

Original paper: Transfer-learning guided design of high-performance conjugated polymers for low-voltage electrochemical transistors. — Nature communications. 10.1038/s41467-026-71381-4

🎧 收听播客