9月21日消息，据European Coatings采访，材料信息学公司Citrine Informatics的材料信息学工程师Ece Karaarslan表示，人工智能正在重塑低VOC涂料配方开发流程，使原材料筛选与创新显著提速，行业瓶颈正从数据分析转向实验产能。

关于VOC减排的现状，Karaarslan指出行业仍依赖两条主要路径：一是转向水性配方，二是减少高VOC助剂用量；真正变化在于利用AI可以在更短时间内探索更大搜索空间和更多原材料选项。如今数据分析一小时内即可完成，「实验产能成了限速环节」。

在低VOC配方中，AI有两类贡献。其一是直接化学品替代：AI可以理解分子中哪些特征对配方最终性能起正向作用，形成「指纹」，再识别功能等同的替代原材料，即使该新材料从未测试过也能预测最终性能，从而减少验证实验数量。其二是水性化转型中表面活性剂与成膜物的匹配。

她披露了一个标杆案例：特种化学品制造商Perstorp利用Citrine平台为醇酸树脂乳化确定合适的表面活性剂复配方案，8个月内解决了17个醇酸体系——按历史速度这需要5年，该工作获得本年度美国涂料奖（American Coatings Award），带来实验室效率、客户响应速度和商业化管线的全面提升。

关于数据门槛，Karaarslan建议起步时准备约25-30个数据点（每个数据点需记录精确配方、工艺条件和最终测量性能），并强调数据多样性：30个使用同一表面活性剂的实验无法让AI学到不同表面活性剂的影响。她同时澄清，材料与化学品AI不同于大语言模型——85%的客户带来的数据点不足100个，关键不是用海量数据造完美模型，而是用足够数据改进下一次实验决策；数据质量比数量更重要。

目前Citrine平台上每月预测约7万个实验。她将在11月3-4日于阿姆斯特丹举行的EC可持续涂料大会上分享更多案例，包括低VOC与PFAS去除的配方实践。 （来源：European Coatings）