长春应化所孙昭艳团队npj Comput. Mater.: 生成式AI遇见高分子按需设计

文章预览

聚合物的正向筛选和逆向设计对于加速聚合物从实验室研究到市场应用的进程至关重要。但由于大规模聚合物数据集的稀缺，通过材料信息学发现满足需求的聚合物特别具有挑战性。尽管如此，聚合物材料领域的科学家们结合各种创新性方法，使用小型聚合物数据集开发了多种描述聚合物结构-性能关系的机器学习模型，从而推进了聚合物的正向筛选过程。其中包括长春应用化学研究所孙昭艳研究员课题组建立的一系列聚合物构效关系模型（ Polymer , 2022, 256, 125216;  J. Mater. Chem. C , 2023, 11(8), 2930-294;  Chem. Sci.  2024, 15, 534;  Macromolecules , 2024, 57, 3515;  Compos. Commun.  2024, 51, 102072;  CJPS , 2024, 42, 1-10等）。但这种正向筛选方法的成功最终取决于候选数据库的多样性，而通过人类的想象详尽地列举所有可能的聚合物结构是不切实际的。因此，实现聚合物的按需 ………………………………