面向AI驱动材料开发的高通量微压痕法：结构粘合剂温度依赖性静态/动态性能表征

《Polymer Testing》：High-throughput Micro-indentation Method for Temperature-Dependent Static and Dynamic Characterization of Structural Adhesives

本研究针对传统力学测试方法难以满足AI驱动材料发现对高质量大数据集需求的问题，开发了一种新型高通量微压痕技术。该技术采用3 mm球形压头，结合独立的精密温控系统，实现了在宽温域内对环氧树脂和丙烯酸粘合剂等结构粘合剂静态（弹性模量）和动态（储能模量E’、损耗模量E’’、损耗因子tan φ）力学性能的快速、准确表征。该方法简化了样品制备，提升了表征效率与精度，为聚合物材料的快速设计与优化提供了关键技术支撑，有力推动了定制化性能材料的发现进程。

　　

在材料科学与工程领域，人工智能（AI）和机器学习（ML）正以前所未有的力量加速新材料的发现与优化。然而，这些先进计算模型的性能严重依赖于大量、高质量的实验数据。传统的宏观力学测试方法，如拉伸和压缩测试，虽然能提供可靠的材料性能数据，但存在效率低下、样品制备复杂且耗时、难以进行局部或时间依赖性行为表征等局限性，无法满足AI驱动材料开发对海量数据的高效生成需求。特别是在聚合物材料领域，其力学性能（如弹性模量、硬度、断裂韧性）对温度等环境条件极为敏感，全面表征其在不同温度下的静态和动态力学行为对于航空航天、汽车和电子等工业应用至关重要。

纳米压痕技术作为一种局部测试方法，虽然能够以高分辨率测量纳米尺度的力学性能，但在应用于软质、粘弹性聚合物材料时，也面临诸多挑战，例如接触面积确定不准确、对样品表面平整度要求极高，这些因素限制了其在软材料高通量测试中的广泛应用。因此，开发一种能够快速、准确、多模态地表征材料（尤其是聚合物）在宽温域内力学性能的高通量实验技术，成为了连接材料实验科学与数据驱动发现的关键桥梁。

在此背景下，发表于《Polymer Testing》的研究论文《High-throughput Micro-indentation Method for Temperature-Dependent Static and Dynamic Characterization of Structural Adhesives》提出了一种创新的微压痕方法。为了应对上述挑战，研究人员设计并构建了一套定制化的微压痕测试装置。该系统的核心包括驱动支撑模块、数据采集模块和温度控制模块。关键技术创新在于使用了一个直径为3毫米的球形压头，并实现了压头和样品的独立、精确温度控制。驱动系统采用音圈电机（VCM）来精确控制压头的垂直运动，施加预定义的静态和动态载荷。位移和力分别通过线性可变差动变压器（LVDT）和压电力传感器进行实时测量。独立的加热和冷却系统确保了测试过程中热条件的稳定性。数据采集通过定制的LabVIEW程序自动化进行。

研究人员选取了两种典型的热固性结构粘合剂作为验证材料：单组分环氧树脂粘合剂和双组分第二代丙烯酸（SGA）粘合剂。制备了平坦的块状样品（40×40 mm2，厚度6 mm）进行压痕测试。测试条件包括静态压痕（不同最大载荷下的加载-卸载循环）和动态压痕（在1 Hz频率下的循环加载），测试温度范围覆盖室温至材料软化或降解温度（环氧树脂最高达170°C，丙烯酸粘合剂最高达90°C）。

力学性能的计算基于经典的压痕理论。对于静态测试，弹性模量主要通过分析卸载曲线，采用Oliver-Pharr方法计算得到，该方法能有效处理塑性变形的影响。对于动态测试，采用Voigt模型来描述材料的粘弹性行为，通过锁相放大器技术分析动态力和位移信号的幅值和相位差，从而计算出储能模量（E’）、损耗模量（E’’）和损耗因子（tan φ）。在数据分析前，对仪器进行了动态校准（评估仪器阻抗）和静态校准（确定框架柔度C_f），以确保测量精度。

4.1. 设备校准

研究人员首先对测量系统进行了细致的校准。动态校准通过无样品（自由悬挂压头）测试来确定仪器本身的阻抗（S_instr, D_instr）。静态校准则通过在熔融石英参考样品上进行一系列不同载荷的压痕试验，通过绘制总柔度（C_total）与接触面积平方根倒数（1/√A）的关系图，外推得到框架柔度（C_f），进而计算出框架刚度（S_f= 1/C_f）高达1.89×10⁶N/m，远高于仪器阻抗，是系统总柔度的主要贡献者。

4.2. 静态测量结果

静态压痕测试成功获得了环氧树脂和丙烯酸粘合剂的载荷-位移（P-h）曲线。结果表明，环氧树脂在较低载荷下表现为近似弹性行为，而在较高载荷下出现塑性变形；丙烯酸粘合剂则在所有载荷下均表现出明显的粘塑性变形。通过分析不同最大压入深度（h_max）下的弹性模量，研究确定了一个临界压入深度（h_max^c）。当h_max小于此临界值时，计算出的模量保持稳定，表明半无限体假设成立；超过此深度后，模量随深度增加而线性上升，反映出样品有限厚度的影响。环氧树脂的h_max^c/H（H为样品厚度）比值为0.015%，而较软的丙烯酸粘合剂为0.148%，表明软材料可以在更大的压入深度下仍满足半无限体假设。利用Oliver-Pharr方法从卸载数据计算的弹性模量与拉伸试验结果吻合良好，验证了该方法的可靠性。此外，在不同温度下的测试表明，环氧树脂的弹性模量随温度升高而近似线性下降，在120°C至150°C之间急剧降低，表明其玻璃化转变温度（T_g）位于此区间。

4.3. 动态测量结果

动态测试成功捕捉了材料在循环载荷下的粘弹性响应。通过比较由微压痕设备测得的环氧树脂粘合剂的储能模量（E’）、损耗模量（E’’）和损耗因子（tan φ）与商用流变仪的测量结果，发现两者高度一致，特别是表征玻璃化转变的峰值温度（约145°C）吻合得很好，充分验证了该微压痕设备在动态力学性能表征方面的准确性。对比两种粘合剂发现，环氧树脂在整个测试温区内表现出更高的储能模量和损耗模量，表明其在高温度下具有更优的机械性能和阻尼特性。相反，丙烯酸粘合剂的损耗因子更高，说明其能量耗散能力更强，但其玻璃化转变发生在较低温度（测试上限90°C），表明其工作温度范围较窄。

本研究成功开发并验证了一种用于结构粘合剂高温、高通量力学表征的微压痕方法。该方法的显著优势在于：能够使用简单制备的块状样品，快速、准确地获取材料在宽温度范围内的静态弹性模量和动态粘弹性参数（E’, E’’, tan φ）；通过精密的温控和理论框架，有效克服了传统纳米压痕在软材料应用中的一些局限性；其高效率和多模态数据生成能力非常适合为机器学习驱动的新材料设计提供所需的大规模、高质量数据集。研究还定量确定了保证半无限体假设有效的临界压入深度，为不同力学性能材料的可靠测试提供了指导。虽然该研究聚焦于粘合剂，但其方法学和设备原理可推广至其他聚合物材料乃至连续固体，只需根据材料的微观结构特征适当调整压头几何形状和尺寸。这项技术为加速材料开发和推进力学表征提供了强有力的工具，未来结合机器学习进行数据分析有望进一步缩短材料研发周期。