_ Model de învățare automată prezice instantaneu proprietățile polimerului

Sute de milioane de tone de materiale polimerice sunt produse la nivel global pentru a fi utilizate într-un spațiu de aplicare vast și în continuă creștere, cu noi cerințe de materiale, cum ar fi polimeri de chimie ecologică, ambalaje pentru consumatori, adezivi, componente auto , țesături și celule solare.

Dar descoperirea materialelor polimerice potrivite pentru utilizarea în aceste aplicații constă în prezicerea cu precizie a proprietăților pe care le va avea un material candidat. Obținerea unei înțelegeri cantitative a relației dintre structura chimică și proprietățile observabile este deosebit de dificilă pentru polimeri, datorită ansamblului lor chimic 3D complex, care poate consta din lanțuri extrem de lungi de mii de atomi.

Recent, o echipă de Materialele Laboratorului Național Lawrence Livermore (LLNL) și oamenii de știință în domeniul informaticii au abordat această provocare printr-o abordare bazată pe date. Folosind seturi de date despre proprietățile polimerului, cercetătorii au dezvoltat un model nou de învățare automată (ML) care poate prezice 10 proprietăți polimerice distincte mai precis decât era posibil cu modelele ML anterioare.

„Secretul succesului noul model ML constă într-o nouă reprezentare a polimerului care captează în mod compact structura polimerilor, în combinație cu tehnici puternice de învățare automată bazate pe grafice, care învață în mod autonom cum să descrie cel mai bine structura polimerului", a spus LLNL postdoc Evan Antoniuk, conducător. autorul unei lucrări apărute în Journal of Chemical Information and Modeling.

Structura chimică a polimerilor este de obicei alcătuită din zeci sau mii de subunități chimice repetate, o caracteristică numită periodicitate. Abordările anterioare de a prezice proprietățile polimerului cu ML nu au putut capta această structură periodică extinsă a polimerului, ceea ce duce la predicții inexacte.

În această lucrare, echipa de cercetare a dezvoltat o nouă metodă pentru codificarea explicită a periodicității polimerului în modelul ML. .

„Rezultatele acestei lucrări arată că includerea periodicității în modelul ML dă naștere la o acuratețe de ultimă generație pentru prezicerea proprietăților polimerului”, a spus Antoniuk.

Într-un laborator chimic, este adesea nevoie de mult timp pentru a sintetiza și caracteriza noi polimeri înainte de a putea efectua măsurători pentru a obține proprietățile acestora. Dar modelul ML este capabil să genereze predicții de proprietate aproape imediat. Echipa de cercetare lucrează în prezent cu dezvoltatorul LLNL Joe Chavez pentru a crea o interfață web interactivă care să permită ca modelele ML să fie accesibile oricui.

„Acest model interactiv va permite chimiștilor polimeri să înțeleagă instantaneu proprietățile noilor materiale polimerice, permițând testarea rapidă și repetarea noilor concepte în chimia polimerilor”, a spus cercetătorul LLNL și co-autor Anna Hiszpanski.

(Fluierul)