芝加哥大学艾米丽·艾什福德 信用:CC0公共领域 想象一下，一个塑料袋可以把你的杂货带回家，然后迅速降解，而不损害环境
或者是用于飞机、火箭和卫星的超强轻质塑料，可以替代航天技术中的传统结构金属
机器学习和人工智能加速了设计具有这些特定属性的材料的能力
但是，尽管科学家已经成功设计了新的金属合金，聚合物——比如用于袋子的塑料——却更难设计
芝加哥大学普利兹克分子工程学院(PME)的研究人员发现了一种通过结合建模和机器学习来设计聚合物的方法
通过计算构建近2000种假设的聚合物，他们能够创建一个足够大的数据库来训练神经网络——一种机器学习——以理解不同分子序列产生的聚合物特性
“我们表明这个问题是容易解决的，”主持这项研究的分子工程家庭教授胡安·德·帕布鲁说
“现在，我们已经建立了这个基础，并证明了它是可以做到的，我们可以真正地利用这个框架来设计具有特定性能的聚合物
" 该结果于10月10日公布
21世纪科学进展
由于长串原子，设计聚合物很困难 聚合物呈现出无定形、无序的结构，使用科学家开发的研究金属或其他晶体材料的技术很难对其进行定义
聚合物分子由排列成很长串的原子组成，有时包含数百万个“单体”
“每个聚合物分子都是不同的
不仅长度不同，原子排列的顺序也有很大不同
长度和序列对聚合物分子的性质有很大的影响，并且在设计具有特定性质的分子时，极大量可能的长度和序列组合是一个中心挑战
试错法的用途有限，生成必要的实验数据来为合理的设计策略提供信息是非常困难的
这就是机器学习的用处
研究人员开始回答这个问题:“机器学习算法能‘学习’如何根据聚合物的序列预测它们的性质吗？如果能，训练底层算法需要多大的数据集？” 创建数据库来学习聚合物序列 为了创建数据库，研究人员使用了近2000种计算构建的聚合物，它们都具有不同的序列，并运行分子模拟来预测它们的特性和行为
当他们第一次使用神经网络来计算哪些特性是基于哪些分子序列时，他们不确定是否能找到合理的答案
“我们不知道学习材料的行为需要多少不同的聚合物序列，”德·巴勃罗说
“答案可能是数百万
" 幸运的是，这个网络只需要不到几百个不同的序列来学习性质和预测全新分子序列的行为
这意味着实验学家现在可以遵循类似的策略，创建一个数据库来训练一个机器学习网络，根据实验数据预测聚合物的性质
然而，这只是问题的一半
接下来，研究人员需要利用神经网络获得的信息来设计新的分子
他们继续这样做，并第一次能够证明从聚合物分子中指定所需特性的能力，并使用机器学习来生成一组将导致这些特性的序列
设计特定的聚合物 虽然这个系统被训练成只能理解某种聚合物，但潜在的影响可以扩展到许多种类
公司不仅可以设计出更环保的产品，还可以设计出完全符合他们要求的聚合物
例如，聚合物通常溶解在油漆、化妆品、药物、医用溶液和食品的溶剂中，以控制液体的流动
聚合物还广泛应用于各种先进技术，从航空航天应用到储能，再到电子和生物医学设备
为特定应用设计高精度聚合物可以让公司以更经济、更容易和更可持续的方式设计材料
接下来，该研究小组希望让实验人员参与他们设计的一些聚合物的开发，并继续完善他们的系统，以创造出更复杂的聚合物
通过依靠机器人系统进行新分子的高通量合成和表征，他们希望扩展他们的数据库以包括实验数据
“我们相信我们处于这一领域的最前沿，”德巴勃罗说
“在接下来的两到五年里，你将会看到这些努力以及芝加哥大学、阿尔贡国家实验室和世界各地的其他研究小组的一些非常有影响力的工作
我们还与工业合作者建立了牢固的伙伴关系，这将使我们能够加快知识从学术界向商业部门的转移
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
