使用遗传算法和机器学习设计聚合物

Posted 2021-04-27 爱思唯尔Elsevier

导读：

聚合物材料在诸多领域都发挥着巨大作用，由于其化学组成的多样性，研究者可以灵活设计聚合物材料的化学组成和结构，以应对不同需求 [1]。然而与此同时，在近乎无限的化学空间中，寻找具备特定功能或材料性质的聚合物化学结构，也成为了一个令人生畏的搜索问题。机器学习的预测模型，可以帮助解决这一搜索问题。使用已知的聚合物性质数据集进行训练后，预测模型可以在一定程度上对新的聚合物性质进行即时预测，极大降低了搜索问题在时间和资源上的消耗 [2]。

数据驱动和机器学习的方法最近已被应用于材料科学的研究中，用以对材料性质进行快速预测。

尽管这些预测模型功能强大、运行稳健，但对于设计具有特定目标性质或特定用途的材料而言，仍存在着一定局限性。

基于这一背景，来自美国佐治亚理工学院的Rampi Ramprasad团队采用一种仿生数值优化方法（即遗传算法），与基于机器学习的预测模型相结合，用于设计具有极端材料性质（如，玻璃化转化温度Tg > 500 K，带隙Eg > 6 eV）且具备实用性、易制备的聚合物材料。

本文中遗传算法的灵感，来源于自然界生物基因的演化过程。在研究中，遗传算法将聚合物的特征性质假定为“由作为组成部分的化学单体的类型和排列决定”，通过“交叉”、“突变”和“选择”等操作，经历100代以上的演化过程后，合计产生了132种全新聚合物，与现有已知的4种聚合物相比，这些聚合物拥有更高的玻璃化转化温度和带隙值。

该研究结果表明，通过遗传算法和机器学习相结合的方法，能够揭示合成具备极端材料性质的聚合物所需的化学准则。更重要的是，这一方法的应用范围广泛且通用，后续的研究者可以将其推广以设计具有不同目标性质的聚合物材料。

（图片来自英文原文作者）

图1：使用遗传算法设计具备极端材料性质的聚合物。

投稿

推荐

本文摘自Elsevier旗下期刊

扫描获取更多该期刊信息

  Computational Materials Science  

Computational Materials Science刊发使用现代计算方法，或实验与计算相结合的方法开发新材料和考察材料性质的研究性文章和综述文章，CiteScore 5.0，影响因子 2.863。本刊涉及的领域包括the application of modern computational methods alone or in conjunction with experimental techniques to discover new materials and investigate existing inorganic materials, such as metals, ceramics, composites, semiconductors, nanostructures, 2D materials, metamaterials, and organic materials, such as polymers, liquid crystals, surfactants, emulsions, and also hybrid materials combining both inorganic and organic components such as polymer nanocomposites, nanocrystal superlattices or surfactant nanoparticle mixtures等。欢迎相关领域专家学者积极投稿！

向上滑动阅览更多导读Reference:

[1] D. van Krevelen. Properties of Polymers: Their Correlation with Chemical Structure. Elsevier 1997

URL: https://books.google.com/books?id=RQp9vgEACAAJ

[2] A. Mannodi-Kanakkithodi, A. Chandrasekaran, C. Kim, T.D. Huan, G. Pilania, V. Botu, R. Ramprasad. Scoping the polymer genome: a roadmap for rational polymer dielectrics design and beyond. Mater. Today 2018; 21 (7): 785-796.

10.1016/j.mattod.2017.11.021

英文原文作者:

Chiho Kim, Rohit Batra, Lihua Chen, Huan Tran, Rampi Ramprasad

往期回顾

• 
  

• 
  

• 
  

版权声明：本文由爱思唯尔北京办公室负责翻译。中文内容仅供参考，一切内容以英文原版为准。

©️ 2020 Elsevier B.V.

喜欢我们的内容？

不如点个赞和在看吧

爱思唯尔是全球领先的信息分析公司，帮助科学家和临床医生发现新的答案、重塑人类知识并应对最急迫的人类危机。140年来，我们携手全球科研界，管理和验证科学知识。并将这种严谨标准延续到了我们今日新一代的信息平台。爱思唯尔在战略研究管理、研发表现、临床决策支持和专业教育领域提供数字化解决方案和工具，包括ScienceDirect、Scopus、SciVal、ClinicalKey 和Sherpath。爱思唯尔出版超过2500部数字化期刊，如The Lancet《柳叶刀》和Cell《细胞》， 39000多种电子书籍以及诸多经典参考书，如Gray’s Anatomy《格氏解剖学》。爱思唯尔是励讯集团（RELX）的成员之一，励讯集团为全球专业人士和商业客户提供科学、医疗、法律和商业领域信息分析服务及解决方案。更多信息，欢迎访问爱思唯尔中文官方网站：www.elsevier.com

 微信：ElsevierChina

 微博：Elsevier爱思唯尔