基于构象中心的聚合物建模与设计统一框架：PolyConFM
机器学习
2025-10-21 v1 材料科学
摘要
聚合物是由共价键连接的单体构成的大分子，支撑着无数技术并在现代生活中至关重要。尽管深度学习正在推动聚合物科学发展，但现有方法通常仅通过单体级描述符来表示整个聚合物，忽略了聚合物构象所蕴含的全局结构信息，这最终限制了其实际应用性能。此外，该领域仍缺乏一种通用基础模型，可有效支持多样化的下游任务，从而严重限制了进展。为此，我们引入了PolyConFM，这是第一个实现聚合物建模与设计通过构象中心生成式预训练统一的聚合物基础模型。我们认识到，每个聚合物构象可以分解为其重复单元构象序列的序列，通过掩码自回归 (MAR) 建模来重构这些局部构象，并进一步生成其方向变换以恢复相应的聚合物构象。此外，我们构建了第一个高质量的聚合物构象数据集，通过分子动力学模拟来缓解数据稀疏问题，从而实现构象中心的预训练。实验表明，PolyConFM 在多样化的下游任务上 consistently 优于代表性的任务特定方法，为聚合物科学提供了一个通用且强大的工具。
引用
@article{arxiv.2510.16023,
title = {Unifying Polymer Modeling and Design via a Conformation-Centric Generative Foundation Model},
author = {Fanmeng Wang and Shan Mei and Wentao Guo and Hongshuai Wang and Qi Ou and Zhifeng Gao and Hongteng Xu},
journal= {arXiv preprint arXiv:2510.16023},
year = {2025}
}