开放聚合物挑战赛：赛后报告
摘要
机器学习（ML）为发现可持续聚合物材料提供了强大途径，但进展一直受限于缺乏大规模、高质量且公开可访问的聚合物数据集。开放聚合物挑战赛（OPC）通过发布首个社区开发的聚合物信息学基准来解决这一差距，该基准包含一个包含 10K 种聚合物和 5 种属性的数据集：热导率、回转半径、密度、自由体积分数和玻璃化转变温度。该挑战赛聚焦于多任务聚合物属性预测，这是材料发现虚拟筛选流程中的核心步骤。参与者在现实约束下开发模型，包括小数据、标签不平衡和异质模拟来源，使用了基于特征的增强、迁移学习、自监督预训练和有针对性的集成策略等技术。该挑战赛还揭示了关于数据准备、分布偏移和跨组模拟一致性的重要经验教训，为未来大规模聚合物数据集的最佳实践提供了参考。结果模型、分析和发布的数据为聚合物科学中的分子 AI 奠定了新基础，有望加速可持续和节能材料的开发。除挑战赛外，我们在 https://www.kaggle.com/datasets/alexliu99/neurips-open-polymer-prediction-2025-test-data 发布了测试数据集。我们还在 https://github.com/sobinalosious/ADEPT 发布了数据生成流程，该流程模拟了 25 种以上属性，包括热导率、回转半径和密度。
引用
@article{arxiv.2512.08896,
title = {Open Polymer Challenge: Post-Competition Report},
author = {Gang Liu and Sobin Alosious and Subhamoy Mahajan and Eric Inae and Yihan Zhu and Yuhan Liu and Renzheng Zhang and Jiaxin Xu and Addison Howard and Ying Li and Tengfei Luo and Meng Jiang},
journal= {arXiv preprint arXiv:2512.08896},
year = {2025}
}
备注
The report for the competition: "NeurIPS - Open Polymer Prediction 2025". Kaggle Page: https://www.kaggle.com/competitions/neurips-open-polymer-prediction-2025. Website: https://open-polymer-challenge.github.io