差分学习预测含能材料热稳定性，排序准确率超85%
美国洛斯阿拉莫斯国家实验室等机构研究者提出差分学习方法预测含能材料热稳定性：不预测绝对分解温度而训练消息传递神经网络预测分子对之间的相对差异，可降低对实验室间系统实验误差的敏感度，热稳定性排序准确率超85%，优于传统回归；键解离焓被识别为排序关键决定因素。
含能材料
共 3 篇 · B910化工 · AI 化学信息库
密歇根大学开发光敏分子涂层：紫外光一键降低炸药敏感性，可见光可逆恢复
研究人员在炸药颗粒表面包裹光敏分子涂层，紫外光照射下涂层分子构型改变，同时降低炸药敏感度并使颗粒显紫色；用强可见光照射即可逆转。成果为现场按需调节含能材料敏感性提供了首个分子级手段（JACS，密歇根大学Adam J. Matzger团队）。
密歇根大学研发光控开关炸药敏感度涂层，DARPA资助项目取得突破
密歇根大学Adam Matzger实验室在JACS发表论文，展示了一种分子涂层技术，可通过光照切换含能材料的敏感度。该技术利用中性分子在光刺激下可逆转变为两性离子异构体的原理，首次实现了在实地环境中实时改变炸药敏感度，由DARPA资助。