【美加墨世界杯官方网站讯】世界杯官网美加墨世界杯官方网站熊睿博士作为第一作者，与东华大学王先锋教授团队合作完成的论文《Interpretable Multimodal Machine Learning for Sustainable Electret Materials: Deciphering Process-Structure-Property Relationships in PLA Melt-Blown Nonwovens via Integrated CNN and CatBoost》发表于国际学术期刊《ACS Sustainable Chemistry & Engineering》（JCR Q1，中科院一区）。该期刊是美国化学会（ACS）旗下专注于绿色化学与可持续工程领域的权威期刊。该研究针对聚乳酸（PLA）驻极熔喷非织造材料研发中长期存在的“试错法”效率低下问题，提出了一种融合卷积神经网络（CNN）与CatBoost算法的可解释多模态机器学习框架，为可持续功能材料的设计与优化提供了新

的技术路径。

聚乳酸作为一种可生物降解的可持续高分子材料，被视为传统聚丙烯驻极材料的理想替代品。然而，PLA熔喷非织造材料的制备涉及模头温度、挤出速度、驻极液压压力等十余个工艺参数，各参数之间相互耦合、非线性交互显著，加之PLA自身热敏性较强，加工窗口狭窄，传统单因素扫描式的优化方法往往需要数百次实验才能获得理想配方，研发周期长、成本高。

针对上述问题，论文提出了一种多模态数据融合的机器学习框架。该框架将工艺参数（如模头温度、液压压力）与从扫描电镜图像中提取的微观结构特征（纤维直径、取向、孔隙率等）同步输入模型，通过多输入卷积神经网络与CatBoost算法的协同，实现了对表面电势和电荷密度两项关键驻极性能指标的高精度预测（R²>0.90）。更重要的是，研究引入了SHAP（SHapley Additive exPlanations）可解释性分析方法，突破了传统机器学习模型的“黑箱”局限，定量揭示了各输入特征对驻极性能的贡献度与交互效应。分析表明，驻极液压压力与模头温度的组合对电荷注入与热降解之间的竞争关系起主导作用，并据此确定了优化的工艺（模头温度、液压压力等参数）窗口。这一成果不仅为PLA驻极非织造材料的理性设计提供了量化依据，也为其它高分子功能材料的智能化研发建立了可迁移的方法论框架。

该成果由美加墨世界杯官方网站与东华大学纺织学院联合完成，是双方在“人工智能+纺织材料”交叉领域持续深化合作的重要成果。论文获得国家自然科学基金项目（No.52473027）、上海市教育委员会AI增强研究项目（No.SMEC-AIDHUZ-06）以及中国纺织工业联合会应用基础研究项目（J202403）的资助。

近年来，学校持续推进“人工智能+纺织类材料研发”交叉学科建设，鼓励教师在数字技术赋能传统产业方面开展前沿探索。此次成果的发表，进一步拓展了学校在人工智能与材料科学交叉领域的学术影响力，为学校特色学科建设和高质量发展提供了有力支撑。