可持续、化学可回收、合成可达且耐用的聚合物设计的一种信息学框架

Joseph Kern; Yongliang Su; Will Gutekunst; Rampi Ramprasad

可持续、化学可回收、合成可达且耐用的聚合物设计的一种信息学框架

化学物理 2024-09-25 v1 材料科学软凝聚态物质

作者: Joseph Kern , Yongliang Su , Will Gutekunst , Rampi Ramprasad

摘要

我们提出了一种新方法，用于设计耐用且化学可回收的环开聚合 (ROP) 类聚合物。该方法采用虚拟前向合成 (VFS) 中的数字反应生成超过 700 万种 ROP 聚合物，并使用机器学习技术快速预测其热力学和机械性能，这些性能对于特定应用的性能和可回收性至关重要。这种结合的方法使我们能够从已知且商业可得的分子中生成和评估数百万个假设 ROP 聚合物，从而指导挑选出约 35,000 个具有最佳可持续性和实用性特征的候选对象。其中三项推荐候选对象已通过物理实验验证——其中两项已由他人在其他地方发表出版，另一项是本文合成、测试并报告的一种新型硫醛聚合物。本文介绍了该框架、方法学及初始发现，突出了 VFS 和机器学习在实现聚合物宇宙的大规模搜索以及推动可回收和环保聚合物开发方面的潜力。

关键词

聚合物设计环开聚合机器学习可持续性化学可回收性

引用

@article{arxiv.2409.15354,
  title  = {An Informatics Framework for the Design of Sustainable, Chemically Recyclable, Synthetically-Accessible and Durable Polymers},
  author = {Joseph Kern and Yongliang Su and Will Gutekunst and Rampi Ramprasad},
  journal= {arXiv preprint arXiv:2409.15354},
  year   = {2024}
}

备注

26 pages, 6 figures

可持续、化学可回收、合成可达且耐用的聚合物设计的一种信息学框架

摘要

关键词

引用

备注

相关论文