日本東京科學大學與統計數理研究所(ISM)成功合成出具有高熱傳導率的液晶性聚醯亞胺(Polyimide)。研究團隊利用物質材料研究機構(NIMS)旗下全球最大規模之高分子材料資料庫「PoLyInfo」，建立一個能以96%以上的精度預測高分子液晶性的機器學習模型。藉由該模型設計並合成之液晶性聚醯亞胺的熱傳導率最高達一般聚醯亞胺的3.5倍。今後可望應用於先進半導體元件之層間絕緣膜等用途，提高散熱性能。
研究團隊利用機器學習模型，在充分考慮實際合成可能性的前提下，從約11萬6,000種虛擬設計中挑選出6種並完成合成。透過廣角X射線繞射分析，確認這些樣品皆形成了液晶結構。此次是世界首度透過機器學習預測液晶性聚醯亞胺分子結構並進行實驗驗證的研究成果。
此外，研究團隊評估了液晶性聚醯亞胺在裝置中的熱傳導特性，結果顯示其面內方向的熱傳導率最高可達1.26 W/m·K，遠高於一般聚醯亞胺的0.1~0.4 W/m·K。另透過微小角入射廣角X射線繞射測定，確認分子鏈的面內定向度愈高、分子骨架愈剛直，材料的熱傳導率就愈高。在生成式AI等應用驅動下，先進半導體元件的熱管理需求日益迫切。尤其是晶片與封裝基板之間的再配線層絕緣材料，其熱傳導率偏低，已成為限制元件性能的因素之一。
液晶性高分子因分子鏈有序排列而具備高熱傳導率，但過去液晶性聚醯亞胺的開發仰賴專家知識與反覆試驗。若能建立不需專家經驗即可設計高分子材料的方法，將為高分子機能化帶來重大變革。今後東京科學大學等將進一步投入可同時預測相轉移溫度、介電特性、力學特性等多種物性之機器學習模型開發，以進一步探索更具實用性的液晶性高分子。