nanoNET:用于预测聚合物矩阵中纳米粒子分布的机器学习平台
Kumar Ayush1, Abhishek Seth1, Tarak K Patra1
1Department of Chemical Engineering and Center for Atomistic Modeling and Materials Design, Indian Institute of Technology Madras, Chennai, TN 600036, India. tpatra@iitm.ac.in.
Soft matter
|July 12, 2023
概括
研究人员开发了nanoNET,这是一个AI工具,可以预测聚合物纳米复合材料中的纳米粒子分布. 这种方法通过建模组合-微观结构关系来加速材料性质的发现和理解.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学计算化学
- 人工智能的人工智能
背景情况:
- 聚合物纳米复合材料 (PNCs) 呈现出各种热物理性质,受其成分的影响.
- 由于庞大的组成和化学多样性,很难在PNC中建立通用的组成-属性关系.
研究的目的:
- 开发一种新的机器学习 (ML) 方法,nanoNET,用于预测PNC中的组成-微观结构关系.
- 创建一个集成计算机视觉和ML的自动化管道,用于纳米粒子分布预测.
主要方法:
- 利用粗粒度分子动力学模拟来生成用于培训和验证的数据.
- 实施了一个无监督的深度学习和回归管道 (nanoNET).
- 采用随机森林回归模型用于隐性空间预测和基于CNN的解码器用于辐射分布函数 (RDF) 生成.
主要成果:
- nanoNET准确地预测了各种未知的PNC中的纳米粒子分布.
- 开发的管道在建模组合-微观结构相关性方面表现出高准确性.
- 该方法被证明是通用的,适用于各种分子系统.
结论:
- nanoNET提供了一种强大的,自动化的方法,用于模拟PNC中的组成-微观结构关系.
- 这种人工智能驱动的方法可以显著加速材料设计和发现.
- 这些发现有助于对聚合物矩阵中纳米粒子行为的基本理解.
更多相关视频
08:51Evaluation of Polymeric Gene Delivery Nanoparticles by Nanoparticle Tracking Analysis and High-throughput Flow Cytometry
Published on: March 1, 2013
15.9K
10:12Flash NanoPrecipitation for the Encapsulation of Hydrophobic and Hydrophilic Compounds in Polymeric Nanoparticles
Published on: January 7, 2019
22.2K
