嵌段共聚物自组装是获取各种周期性有序纳米结构的一种有效途径。通过自洽场理论（SCFT）计算嵌段共聚物相图，可以精准预测嵌段共聚物的自组装行为，为制备各种新颖结构提供指导。然而，SCFT通过迭代的方式寻找自由能极小值，非常依赖初始条件。导致相图的计算非常依赖研究人员的经验，降低了理论相图的可靠性。

近年来，人工智能技术快速发展，借助人工智能方法，有望减小对研究人员经验的依赖性，构建出更为可靠的相图。李卫华教授团队提出了一种结合基函数初始化法+贝叶斯优化（BO）+准谱法SCFT的相图自动构建方法，成功搜索到了常见的各种结构，包括Frank-Kasper，A15，Z，σ等，并系统化地演示了从设置参数到自动绘制相图的完整工作流程。

图1. 自动绘制相图的流程

图2. 在AB4嵌段共聚物中，自动筛选出的备选结构

该研究首先利用多模基函数初始化方法，降低参数空间的维度。随后采用BO探索基函数系数空间，并结合SCFT自动寻找新的自组装结构，最后使用基于FFT低通滤波的三维卷积神经网络（FFT-3DCNN）用于结构分类。

作者以AB4为例演示了相图的自动构建流程，具体步骤如下：（1）在相图范围内均匀选取多个参数点进行自组装结构搜索，将所得结构按自由能排序后，每个点保留自由能最低的10个结构作为备选；（2）利用这些自动筛选的候选结构训练FFT-3DCNN进行分类；（3）将训练好的FFT-3DCNN与SCFT结合，计算指定参数空间内的相图。所得稳定相的散点图与人工绘制的相图高度吻合，从而证明了该自动化方法的准确性。该框架显著降低了对人类经验的依赖，同时大幅提升了相图构建的效率和可靠性。