自动化聚合物设计工具集成了机器学习和分子模拟

一个研究小组开发了Spacier，这是一种先进的聚合物材料设计工具，将机器学习与分子模拟整合在一起。作为概念的证明，该小组成功合成了超过折射率和ABBE数的经验极限的新光学聚合物。研究是出版在NPJ计算材料2025年1月28日。

机器学习迅速提高了设计并在各种系统中发现新材料。为了克服有限的实验数据的挑战以及插值机器学习预测指标的局限性，第一原理计算和其他计算实验已纳入材料设计管道中。

但是，聚合材料的计算机实验的巨大计算成本和技术困难阻碍了将分子模拟与机器学习结合的开源工具的开发聚合物设计。为了应对这些挑战，一个研究小组，包括Shun Nanjo，研究生高级研究生的研究生（Sokendai），Arifin，JSR Corporation的研究员，Tokyo Institute of Tokyo的Teruaki Hayakawa教授，Tokyo教授，Yoshida教授Yoshida。

统计数学（ISM）一直在开发Radonpy，这是一个旨在自动化计算实验的Python库，例如All-Atom分子动力学模拟，用于广泛的聚合物材料系统。

该小组在基础的基础上创建了Spacier，这是一种开源软件，该软件将Radonpy与基于贝叶斯优化的聚合物设计算法集成在一起。

使用Spacier实现的多目标优化框架，该团队设计了超过折射率和ABBE数字之间权衡的帕累托边界的光学聚合物。这些聚合物已成功合成，证明了该工具的实际潜力。

数据驱动材料研究的主要挑战在于数据资源的稀缺性。为机器学习应用获得足够的数据通常很困难。对于聚合物材料，这一挑战尤其明显。

在这一领域，计算机实验已集成到机器学习管道中，以克服实验数据的定量约束以及插值机器学习预测的局限性。

已经为无机固态材料和小分子开发了各种机器学习算法。然而，由于自动化和加速全原子分子模拟的技术障碍，对聚合物材料的研究受到了阻碍。

研究小组开发了自主聚合物设计工具Apacier（材料空间边界），该工具基于全原子经典分子动力学（MD）模拟集成了完全自动化的聚合物物理属性计算，并将其整合到BO加速的材料设计管道中。

Radonpy是由ISM研究组开发的开源软件，它可以使用MD模拟完全自动化聚合物物理属性。

给定聚合物重复单元，聚合度和其他计算条件，整个MD仿真过程都是完全自动化的，包括构象搜索，电荷计算，力场参数分配，聚合物链的产生，平衡和非平衡计算和物理属性计算。

Radonpy的最新版本支持17种不同特性的自动计算，包括热，光学和机械性能。Spacier建立在Radonpy的功能上，并结合了自适应实验设计算法，以实现高效且战略性的聚合物材料设计。预计该工具将显着加速聚合物材料特性的探索和优化。

作为一项概念验证研究，研究小组将间隔器应用于发现光学聚合物，这些聚合物是眼镜和摄像机透镜等产品中使用的材料。光学聚合物的关键要求是高折射率和高ABBE数。

ABBE编号是描述透明材料的颜色分散体的物理属性。但是，由他们的权衡关系形成的折射率和ABBE数字之间存在经验上已知的“限制边界”。

在这项研究中，Spacier进行了系统的计算机实验，以探索超过经验极限的聚合物。结果，对新合成的聚合物进行了实验证实，可以超过先前已知的边界，证明了该工具在推进聚合物材料设计方面的有效性。

以这种方式，只要目标聚合物系统可以在Radypy中计算或校准，因此，只要目标聚合物系统能够到达化学空间中的任何区域。

目前，ISM的研究小组正在通过一个由两家国家研究机构，八所大学和37家公司组成的行业学科联盟推进Radonpy的进一步发展。该计划将进一步加速数据驱动的聚合物材料研究。

提供信息和系统的研究组织