一种数据驱动的接口聚合方法,利用机器学习来预测薄膜复合膜形成
Gergo Ignacz1, Muhammad Irshad Baig1, Karuppasamy Gopalsamy1
1Advanced Membranes and Porous Materials Center, Chemical Engineering Program, Physical Science and Engineering Division (PSE), King Abdullah University of Science and Technology (KAUST), Thuwal 23955-6900, Saudi Arabia. gyorgy.szekely@kaust.edu.sa.
Materials horizons
|September 26, 2025
概括
本研究引入了一种数据驱动的方法,用于开发聚合物薄膜膜. 机器学习模型可以直接从单体中预测膜膜的形成,从而推进了膜科学.
科学领域:
- 材料科学 材料科学 材料科学
- 化学工程是化学工程的重要组成部分.
- 聚合物科学 聚合物科学
背景情况:
- 聚合物薄膜膜对于液体分离至关重要,可减少工业废物和能源使用.
- 目前单体多样性的局限性限制了新膜的发展.
- 需要数据驱动的方法来扩大膜材料的化学空间.
研究的目的:
- 开发一个分裂和征服的战略,用于界面聚合膜的发展.
- 创建一个大型的,开放的接口聚合反应数据集.
- 为了从单体性质中实现基于数据的薄膜形成预测.
主要方法:
- 编制了18种有机和73种水相单体的数据集,进行了1246种界面反应.
- 使用原子力显微镜 (AFM) 和光学显微镜分析了膜特性.
- 使用分子结构和密度函数理论 (DFT) 计算训练了五种机器学习模型.
主要成果:
- 证明可以从单体特性直接预测薄膜的形成.
- 建立了前所未有的庞大和开放访问的膜开发数据集.
- 确定了影响界面聚合过程中薄膜形成的关键参数.
结论:
- 提出的数据驱动方法有助于开发新的薄膜膜.
- 专注于薄膜形成,而不仅仅是性能,为膜研究提供了新的视角.
- 这项工作为加速和更有效的膜发现铺平了道路.
更多相关视频
08:23Automated Lipid Bilayer Membrane Formation Using a Polydimethylsiloxane Thin Film
Published on: July 10, 2016
19.0K
07:31Author Spotlight: Advancing Cell Membrane Biophysics - Exploring Interactions and Challenges Through Experimental and Computational Approaches
Published on: September 1, 2023
3.1K
