人工智能引导的反向设计和可回收的玻璃聚合物的发现

科学领域:

• 材料科学 材料科学 材料科学
• 聚合物化学 聚合物化学
• 计算化学的计算化学

背景情况:

• 玻璃聚合物是具有动态共价适应网络的可持续聚合物,具有自我愈合特性.
• 有限的分子选择限制了玻璃制剂的属性调节和应用范围.
• 需要反向设计策略来为特定的性能要求量身定制玻璃化学物质.

研究的目的:

• 开发一个创新的计算框架,用于反向设计玻璃化学品.
• 为了能够精确控制玻璃器的玻璃过渡温度 (T_g).
• 加速发现和合成具有理想性质的新型,可持续的玻璃材料.

主要方法:

• 创建一个大规模的玻璃化物数据集 (一百万种化学物质).
• 高通量分子动力学 (MD) 模拟来计算T_g,通过高斯过程模型校准.
• 开发一个带有双图形编码器的图形变异自编码器 (VAE),用于多组件玻璃体表示.

主要成果:

• VAE框架准确地预测T_g,并发现具有超出训练数据的目标性质的新型玻璃剂.
• 合成了一种新型玻璃剂,T_g为311-317K,并通过实验验证了可愈合性和可流动性.
• 该计算框架在设计具有所需玻璃过渡温度的玻璃器时表现出高精度和效率.

结论:

• 集成的MD模拟和VAE方法为设计定制玻璃材料提供了强大的工具.
• 这种方法促进了对可持续聚合物的广化学空间的探索.
• 该框架使聚合物化学家能够为各种应用合成新型玻璃材料,提高材料的可持续性和性能.