研究进展：人工智能AI-聚合物设计 | Nature Reviews Materials

主要观点总结

本文综述了人工智能在聚合物信息学领域的研究进展，特别是实用聚合物材料设计方面的应用。文章介绍了使用现代机器学习算法解决材料设计问题，并探讨了人工智能驱动的工作流程如何帮助高效搜索材料的化学和构型空间。文章还涉及创建特定于应用的目标属性标准，以构建机器学习模型预测因子，并列举了在能源和可持续性相关应用中的实例。最后，文章展望了在工业规模材料开发中采用信息驱动协议所面临的挑战。

关键观点总结

关键观点1: 人工智能在聚合物信息学领域的研究进展

文章回顾了人工智能在聚合物信息学领域的最新研究进展，包括在材料设计方面的应用。

关键观点2: 人工智能在材料设计中的应用

文章强调了使用现代机器学习算法解决正向和逆向材料设计问题的重要性，并介绍了人工智能驱动的工作流程如何帮助高效搜索材料的化学和构型空间。

关键观点3: 特定应用的实用聚合物材料设计

文章关注特定应用的实用聚合物材料设计，包括用于储能、生产和节约能源的材料设计，以及可回收和/或可生物降解聚合物的可持续经济材料设计。

关键观点4: 机器学习模型预测因子的创建

文章介绍了基于实用信息学的设计方案，涉及创建特定于应用的目标属性标准，以构建机器学习模型预测因子。

关键观点5: 工业规模材料开发中面临的挑战

文章展望了在工业规模材料开发中广泛采用信息驱动协议所必须克服的挑战。

文章预览

人工智能Artificial intelligence (AI) 方法，持续加速材料设计和研发领域。 今日，美国 佐治亚理工学院（Georgia Institute of Technology）Huan Tran，Rampi Ramprasad等，在Nature Reviews Materials上发表综述文章，回顾了人工智能在聚合物信息学领域取得的研究进展，特别关注特定应用的实用聚合物材料设计。 还考虑了一些关键和新兴应用领域的典型设计尝试，包括用于储能、生产和节约能源的材料设计，以及可回收和/或可生物降解聚合物的可持续经济材料设计。 利用现代机器学习machine-learning (ML) 算法，以解决“正向”和“逆向”材料设计问题，人工智能驱动的工作流程，有助于高效搜索材料的巨大化学和构型空间。 这一综述的主题之一是，基于实用信息学的设计方案，并涉及创建一套特定于应用的目标属性标准，从而构建机器学习ML模型预测因子，列举或生成可行 ………………………………