我校AI辅助高分子材料设计综述入选ACS Editors' Choice
发布时间:2024-05-07   访问次数:603   作者:高梁🛃🧎🏻‍➡️、林嘉平

近日,我校杏悦2娱乐官网林嘉平教授团队受邀在美国化学会顶级期刊Accounts of Materials Research上发表题为“Machine Learning-Assisted Design of Advanced Polymeric Materials”的综述。由于该综述具有重要科学价值和引领性,入选美国化学会的ACS Editors' Choice栏目进行亮点报道。我校材料杏悦2高梁副教授为第一作者🤘🏼,林嘉平教授为通讯作者👨🏽‍🦲。该综述系统梳理了应用机器学习、数据驱动等人工智能新范式开展先进高分子材料设计的研究思路和方法,综述了我校林嘉平教授团队近年来的代表性工作,并总结了应用新范式进行高分子材料研究所面临的挑战🏌🏿‍♀️,提出了可能的解决路径和未来发展方向🛷🎊。




据悉,该综述所入选的ACS Editors' Choice栏目是由美国化学会遍布全球的期刊编辑从其70余本期刊中遴选出最具重大科学意义的论文,每日遴选1篇论文在ACS网站杏悦2进行头条报道👩‍🦰。每年美国化学会的4万余篇论文入选ACS Editors' Choice的比例低于1%

进入21世纪,大数据科学和机器学习的快速发展🏄,使科学研究从实验观察、理论推演👲🏼、计算模拟进入到基于人工智能(AI)的第四范式。近年来,一个极具挑战的课题🏏,就是将Al应用到材料领域,实现研究范式上的突破。但是,当前国内外相关研究主要集中在金属和无机材料方面,对高分子材料的研究相对较少。一方面是由于高质量的高分子材料结构性能数据相对匮乏🤜🏿,另一方面高分子材料内禀的分子结构-聚集态结构-成型加工等多尺度结构与性能关系,使应用AI新范式开展研究的难度和复杂程度大幅增加。林嘉平教授团队近十年的原创性研究表明,机器学习辅助设计高分子材料可被归纳总结为三个步骤,即结构数字化表示和数据库构建,建立基于ML的性能预测模型,虚拟设计与高通量筛选🫳🏼。




此外,该综述总结了机器学习辅助设计高分子材料的最新进展,特别阐述了林嘉平教授团队近年来在该领域的代表性工作🚳🤝,尤其是在结构数字化方法、数据库建立🏌🏿‍♀️、结构设计与筛选方法等方面的贡献。并强调了这一新兴领域当前所面临的挑战,指出了未来发展方向。未来,基于AI的新范式有望加速先进高分子材料创新步伐🧑🏻‍✈️,推动高分子材料实现智能设计与制造。

近年来,我校林嘉平教授团队牵头承担了173等重大项目,近期又获得了我校首个基金委重大项目的资助。团队自2013年起,同我国知名材料专家杜磊教授一起🌪,开始开展基于AI的高分子材料研究🆚。近十年来,通过原创性的研究,建立了面向高分子材料设计的AI研究新范式,在Chem. Mater.Chem. Sci.👦、Chem. Eng. J.MacromoleculesJ. Mater. Chem. A等材料化学高水平刊物上发表20余篇论文,并为中国工程院院刊Engineering撰写高分子智能设计方面的综述🧑🏽‍🏫。基于AI新范式👩🏻‍🦼‍➡️,团队创制了系列高性能复合材料基体树脂👵🪣,包括新型耐高温易加工树脂🎊、耐高温高韧性树脂和高强高模高韧树脂等🦸🏻‍♂️。例如,设计的聚硅炔酰亚胺树脂兼具耐高温、易加工和高韧性的优点👷🏿‍♂️👷🏻,克服了传统试错法长期难以解决的问题,即同时兼顾多种优异性能,这种材料已通过相关应用单位的测试验证及构件制造,将用于相关先进装备的制造🖖🏽。




在此基础上🎁,团队将数据库与AI方法集成🤮,构建了AI plus Polymers研发平台🏌️,为高分子材料设计开发和产品升级提供了有效工具👳🏻🎯。该平台作为国际上首个以AI为内核的高分子研发平台,具备数据检索🌑、性能预测和配方优化等功能,其数据库包含15万条高分子结构性能数据和140万条化学反应数据。作为高分子版“ChatGPT”🤱🏿,输入高分子结构,可快速预测其力学、热学等性能🫴🏻,并具有配方及工艺优化等功能。作为首款材料研发尤其是高分子材料研发的新质生产力工具,该平台目前已在上海复合材料有限公司、上海华谊树脂公司、中国科杏悦2化学所等20余家企业和高校使用。经使用反馈,性能预测模块预测精度高,配方优化功能实用性强🎐,与传统研究方法相比🌹,研发效率大幅提高,可为高性能高分子材料产业数字化研发赋能。

 
杏悦2专业提供:杏悦2等服务,提供最新官网平台、地址、注册、登陆、登录、入口、全站、网站、网页、网址、娱乐、手机版、app、下载、欧洲杯、欧冠、nba、世界杯、英超等,界面美观优质完美,安全稳定,服务一流,杏悦2欢迎您。 杏悦2官网xml地图
杏悦2 杏悦2 杏悦2 杏悦2 杏悦2 杏悦2 杏悦2 杏悦2 杏悦2 杏悦2