聚合物信息学:现状与关键后续步骤
软凝聚态物质
2021-01-26 v1 机器学习
摘要
基于人工智能(AI)的方法正开始影响人类生活、科学与技术的多个领域。聚合物信息学正是这样一个领域,其中 AI 与机器学习(ML)工具正被用于聚合物的高效开发、设计与发现。代理模型在已有的聚合物数据上训练,以实现性质的即时预测,从而能够筛选满足特定目标性质要求的候选聚合物。关于可合成性,以及创建目标聚合物的潜在(逆)合成步骤等问题,正借助统计方法进行探索。人们正在探索数据驱动策略,以应对由聚合物在微观与宏观尺度上非凡的化学和物理多样性所带来的独特挑战。聚合物信息学的其他主要障碍包括:缺乏广泛可用的经过整理和组织的数据,以及缺乏能够创建机器可读表示的方法——这些表示不仅要捕捉复杂聚合情形的结构,还要捕捉合成与加工条件。满足应用目标、使用先进 AI 算法给出聚合物推荐的逆问题求解方法正在研究中。随着这一蓬勃发展的聚合物信息学生态系统的各个部分逐渐成熟并走向集成,效率提升、发现加速与生产力提高将成为可能。在此,我们综述该聚合物信息学生态系统的新兴组成部分,并讨论迫在眉睫的挑战与机遇。
引用
@article{arxiv.2011.00508,
title = {Polymer Informatics: Current Status and Critical Next Steps},
author = {Lihua Chen and Ghanshyam Pilania and Rohit Batra and Tran Doan Huan and Chiho Kim and Christopher Kuenneth and Rampi Ramprasad},
journal= {arXiv preprint arXiv:2011.00508},
year = {2021}
}