用于生成聚合物设计的编码器-解码器化学语言模型
材料科学
2025-10-22 v1 软凝聚态物质
摘要
传统机器学习方法虽推进了聚合物发现，但直接生成无需穷举即可实现的化学有效且可绕合的聚合物仍是挑战。本文提出 polyT5，一个基于 T5 架构的编码器-解码器化学语言模型，专用于理解和生成聚合物结构。polyT5 实现了属性预测和基于所需属性值的有针对性聚合物生成。我们展示其在介电聚合物设计中的实用性，寻求介电常数 >3、带隙 >4 eV、玻璃化转变温度 >400 K 的候选材料，同时满足熔体加工性和溶解性要求。从生成的 2 万多候选中，一款被实验合成并验证，结果与预测高度吻合。为进一步提升可用性，我们将 polyT5 集成于智能体 AI 框架中，将其与通用型大语言模型 (LLM) 耦合，实现自然语言交互式的属性预测和生成设计。这些进展共同构筑了一个灵活且可及的框架，用于加速聚合物发现。
引用
@article{arxiv.2510.18860,
title = {An Encoder-Decoder Foundation Chemical Language Model for Generative Polymer Design},
author = {Harikrishna Sahu and Wei Xiong and Anagha Savit and Shivank S Shukla and Rampi Ramprasad},
journal= {arXiv preprint arXiv:2510.18860},
year = {2025}
}