【高端测试 找华算】专注测试分析服务、自有球差电镜机时、全球同步辐射资源，10000+单位服务案例！
经费预存选华算，高至15%预存增值！
本论文探讨了机器学习（ML）和大数据如何推动高分子材料研究进入一个新的范式。通过ML辅助设计，成功开发了新的高性能高分子材料。这一目标主要通过以下步骤实现：结构表示和数据库构建、建立基于ML的性能预测模型、虚拟设计和高通量筛选。关键在于训练ML模型，这些模型基于可用的高分子数据（例如结构、组分和属性数据）来描述结构−性能关系，从而筛选出满足目标属性要求的有前景的高分子。然而，高质量高分子数据的相对稀缺以及复杂的高分子多尺度结构−性能关系为ML辅助设计方法带来了数据和建模方面的挑战。
图1：研究范式的发展历程。
本文总结了ML辅助设计在高分子材料领域的最新进展，强调了新结构表示方法和多保真度学习法在提高预测精度方面的重要性。同时，指出了当前面临的挑战，如高质量数据的稀缺性和复杂结构属性关系的建模难题。未来的发展方向包括建立新的结构表示方法、开发先进的ML模型以及基于化学语言的大型模型。这些努力有望进一步加速高性能高分子材料的发现和开发。
标题：Machine Learning-Assisted Design of Advanced Polymeric Materials期刊：Accounts of Materials ResearchDOI：10.1021/accountsmr.3c00288【高端测试 找华算】华算科技精于高端测试服务、10余年球差电镜拍摄经验、同步辐射三代光源全球机时，300多博士/博士后等高层次人才团队亲自检测，给你高标准的数据质量保证! 球差电镜、同步辐射、原位表征、DFT计算，已助力10000多研究成果顺利在Nature、Science、JACS、Angew、EES、AM、AEM、AFM等国际顶级期刊发表，专业靠谱好评如潮！
添加下方微信好友，立即预约
