无形多孔聚合物网络材料的大规模建造和分析
Junkil Park1, Wonseok Lee1, Jihan Kim1
1Department of Chemical and Biomolecular Engineering, Korea Advanced Institute of Science and Technology (KAIST), 291 Daehak-ro, Yuseong-gu, Daejeon 34141, Republic of Korea.
ACS applied materials & interfaces
|October 10, 2024
概括
本研究介绍了最大的无形多孔聚合物网络 (PPN) 数据库,对于理解它们的特性至关重要. 机器学习模型从单体结构中预测PPN特征,加速材料发现.
科学领域:
- 材料科学 材料科学 材料科学
- 计算材料科学科学 计算材料科学
- 聚合物化学 聚合物化学
背景情况:
- 数据驱动的方法在材料科学中对于发现新材料至关重要.
- 无形材料,如多孔聚合物网络 (PPNs),由于结构复杂性,在材料数据库中代表性不足.
- 准确的无序结构建模对于理解材料属性至关重要.
研究的目的:
- 构建迄今为止最大的无形多孔聚合物网络 (PPN) 数据库.
- 突出考虑PPN中的结构障碍对于准确的财产预测的重要性.
- 开发机器学习模型,从单体结构中预测PPN属性.
主要方法:
- 使用自组装模拟生成了10237个多孔聚合物网络 (PPN) 的数据库.
- 与现有数据库相比,分析了结构差异,强调无形特征.
- 在构建的PNP数据库上训练机器学习模型.
主要成果:
- 创建了最大的无形PPN数据库,考虑结构性障碍.
- 证明结构性障碍显著影响PNP的化学行为.
- 机器学习模型成功地从单体原子结构中预测了宏观的PNN特性.
结论:
- 准确地描述无形PNN需要明确考虑它们的无序结构.
- 使用单体结构,绕过广泛的模拟,预测新型PNN的特性是可行的.
- 这项工作促进了无形多孔材料的加速发现和设计.
