SPACIER：集成于机器学习管道中的全自动原子级经典分子动力学聚合物设计
材料科学
2024-08-12 v1 计算物理
摘要
机器学习在众多系统中快速发展，用于针对特定应用设计和发现新材料。第一性计算和其他计算机实验已被集成到材料设计管道中，以解决实验数据不足以及插值式机器学习预测器的局限性。然而，巨大的计算成本和自动化体积实验的技术挑战限制了集成分子模拟和机器学习的开源自动化聚合物设计系统的可用性。我们开发了 SPACIER，一个开源软件程序，将 RadonPy（一个用于基于全原子经典分子动力学的全自动聚合物属性计算的 Python 库）集成到基于贝叶斯优化的聚合物设计系统中，以克服上述挑战。作为概念验证研究，我们成功合成了超过由折射率和阿布德数权衡导致的帕累托边界的光学聚合物。
引用
@article{arxiv.2408.05135,
title = {SPACIER: On-Demand Polymer Design with Fully Automated All-Atom Classical Molecular Dynamics Integrated into Machine Learning Pipelines},
author = {Shun Nanjo and Arifin and Hayato Maeda and Yoshihiro Hayashi and Kan Hatakeyama-Sato and Ryoji Himeno and Teruaki Hayakawa and Ryo Yoshida},
journal= {arXiv preprint arXiv:2408.05135},
year = {2024}
}