超越均聚物的聚合物信息学
软凝聚态物质
2024-11-05 v1 计算物理
摘要
聚合物是多样且通用的材料，已满足广泛的材料应用需求。它们有多种类型和结构，例如均聚物、共聚物、聚合物共混物以及含添加剂的聚合物。因此，在这一巨大空间中搜索具有特定一组属性/性能目标的合适材料并非易事、费力且昂贵。这种搜索过程可通过创建快速且准确的属性预测器而变得高效。在这项工作中，我们提出了一个机器学习框架，用于预测均聚物、共聚物和聚合物共混物的热性能。我们开发了能够处理整个聚合物化学类的通用指纹方案，并在玻璃化转变、熔化和降解温度的大型数据集上同时训练了一个多任务深度学习算法。所开发的模型准确、快速、灵活，并在有合适数据时可扩展到其他属性。
引用
@article{arxiv.2303.12938,
title = {Polymer Informatics Beyond Homopolymers},
author = {Shivank S. Shukla and Christopher Kuenneth and Rampi Ramprasad},
journal= {arXiv preprint arXiv:2303.12938},
year = {2024}
}