近日，材料学院张好斌教授团队在国际著名期刊《Advanced Materials》上发表题为“Machine Learning-Accelerated Discovery of High-Performance Insulating Electromagnetic Interference Shielding Composites for Integrated Electronics”的研究论文。该工作结合机器学习与有限元模拟，揭示了功能填料均匀性对绝缘电磁屏蔽性能的作用，提出了复合材料普适性设计准则，研制出兼具高电绝缘性、高电磁屏蔽性能及优异导热能力的电子封装材料。

图1 结合机器学习与有限元模拟筛选高性能绝缘电磁屏蔽复合材料

    目前，电磁兼容与热管理问题已成为制约高集成电子器件高效稳定运行的重要挑战。采用传统导电型电磁屏蔽材料进行封装时易引发短路风险，而绝缘材料受限于屏蔽效能难以满足实际性能要求。针对上述问题，研究团队前期提出了 “微电容”理论结构模型，揭示了复合材料绝缘电磁屏蔽新机制(Science 385, 2024，1205-1210)，实现了电绝缘与电磁屏蔽性能的兼容。然而，复合材料多参量耦合特性常导致诸多性能协同调控困难，限制了复合材料理性设计与性能提升。基于此，本工作进一步发展了集成机器学习与有限元模拟的多尺度设计框架，初步建立了微电容结构参数与绝缘电磁屏蔽性能之间的复杂映射关系，首次揭示了功能填料尺寸大小及均匀性在实现高性能绝缘屏蔽中的关键作用，提出了复合材料普适性设计准则，为加速高性能绝缘屏蔽复合材料的定向设计与高效筛选提供了理论依据。基于该理论预测，团队采用液滴微流控技术实现了尺寸均一镓颗粒的高通量可控制备。所制备复合材料兼具高绝缘性（1.7×10¹² Ω·m）、优异屏蔽性能（>90 dB）和良好导热性能（3.7 W·m^-1·K^-1），且其流变特性使其可直接灌封电子设备，为解决电磁兼容和热管理问题提供指导。本研究以机器学习赋能绝缘电磁屏蔽材料设计，构建了从理论建模、性能预测到实验验证的研究路径，为下一代高集成微电子封装技术的发展提供新思路。

    材料学院博士研究生刘越和周新峰为本文共同第一作者，张好斌教授和中科院宁波材料所沈斌研究员为共同通讯作者。该工作得到国家自然科学基金和北京市自然科学基金项目的支持。

全文链接：https://advanced.onlinelibrary.wiley.com/doi/10.1002/adma.202518581