预测由聚合物多元件系统组成的功能材料的性能,以人工智能为例 - - 用清洁泡的配方
Masugu Hamaguchi1,2, Hideki Miwake3, Ryoichi Nakatake3
1Department of Mechanical Engineering, Keio University, 3-14-1 Hiyoshi, Kohoku-ku, Yokohama 223-8522, Kanagawa, Japan.
Polymers
|November 14, 2023
概括
人工智能 (AI) 和机器学习通过分析成分特性和自组装结构来预测清洗泡的性能. 该系统有助于优化化制品配方并识别有效成分.
科学领域:
- 化品科学 化品科学
- 聚合物科学 聚合物科学
- 计算化学的计算化学
背景情况:
- 清洗泡是一种复杂的多元组合聚合物材料,具有众多成分组合,使得配方优化变得困难.
- 了解成分相互作用及其对清洁能力的影响对于产品开发至关重要.
研究的目的:
- 开发一种使用机器学习的人工智能 (AI) 系统,以预测化品配方的清洁能力.
- 调查自组装结构和化学特性对清洗性能的影响.
主要方法:
- 准备和测试超过500个清洗泡样本.
- 使用分子描述符和汉森溶解率指数进行属性估计.
- 采用五种机器学习模型进行预测分析和in silico配方生成.
主要成果:
- 实现了R2 = 0.770的预测准确度,用于清洗能力.
- 证明了影响性能的化品成分之间的复杂,非线性相互作用.
- 通过in silico配方和AI建模成功识别了潜在的成分.
结论:
- 人工智能和机器学习提供了一种有效的方法来预测清洗泡的性能.
- 准确的化学性质描述器和in silico方法可以克服配方的复杂性.
- 开发的系统可以加速识别含有聚合物混合物的最佳成分.
