用人工智能来寻找未来的聚合物

　　寻找下一个突破性的聚合物一直是一个挑战，但现在佐治亚理工学院的研究人员正在使用人工智能(AI)来塑造和改变该领域的未来。Rampi Ramprasad的团队开发和适应人工智能算法，以加速材料的发现。

　　

这些只是一些我们熟悉的聚合物——大分子化合物——它们改变了世界。从特氟龙涂层的煎锅到3D打印，聚合物对于创造使世界更美好的系统至关重要。

寻找下一个突破性的聚合物一直是一个挑战，但现在佐治亚理工学院的研究人员正在使用人工智能(AI)来塑造和改变该领域的未来。Rampi Ramprasad的团队开发和适应人工智能算法，以加速材料的发现。

今年夏天，发表在《自然》系列期刊上的两篇论文强调了人工智能驱动的聚合物信息学研究多年来取得的重大进展和成功案例。第一篇刊登在《自然材料评论》上，展示了聚合物设计在关键和当代应用领域的最新突破:储能、过滤技术和可回收塑料。第二篇发表在《自然通讯》上，重点是使用人工智能算法来发现用于静电储能的聚合物子类，所设计的材料经过了成功的实验室合成和测试。

材料科学与工程学院教授拉姆普拉萨德说:“在十多年前白宫材料基因组计划推动下，人工智能在材料科学领域的早期发展，这一领域的研究主要是由好奇心驱动的。”“直到最近几年，我们才开始在人工智能驱动的加速聚合物发现中看到切实的、现实世界的成功故事。这些成功现在正在激发工业材料研发领域的重大变革。这就是这次审查如此重要和及时的原因。”

人工智能的机会

Ramprasad的团队已经开发出了突破性的算法，可以在聚合物物理制造之前立即预测其性质和配方。该过程首先定义特定于应用程序的目标属性或性能标准。机器学习(ML)模型在现有的材料属性数据上进行训练，以预测这些期望的结果。此外，该团队还可以生成新的聚合物，其特性可以通过ML模型进行预测。然后通过实验室合成和测试选择符合目标属性标准的最佳候选物进行实际验证。这些新实验的结果与原始数据相结合，在连续迭代的过程中进一步完善预测模型。

虽然人工智能可以加速新聚合物的发现，但它也带来了独特的挑战。人工智能预测的准确性取决于丰富、多样、广泛的初始数据集的可用性，因此高质量的数据至关重要。此外，设计能够生成化学上真实且可合成的聚合物的算法是一项复杂的任务。

在算法做出预测之后，真正的挑战就开始了:证明设计的材料可以在实验室中制造，并按预期的方式发挥作用，然后证明它们在实验室之外的实际应用中的可扩展性。Ramprasad的团队设计了这些材料，而它们的制造、加工和测试是由不同机构的合作者进行的，包括佐治亚理工学院。化学和生物分子工程学院的Ryan Lively教授经常与Ramprasad的团队合作，并且是发表在《自然评论材料》上的论文的合著者。

“在我们的日常研究中，我们广泛使用Rampi团队开发的机器学习模型，”Lively说。“这些工具加速了我们的工作，使我们能够快速探索新的想法。这体现了机器学习和人工智能的前景，因为我们可以在投入时间和资源在实验室探索概念之前做出模型指导的决策。”

利用人工智能，Ramprasad的团队及其合作者在多个领域取得了重大进展，包括储能、过滤技术、增材制造和可回收材料。

聚合物的进展

《自然通讯》杂志的一篇论文描述了一项引人注目的成功，涉及设计用于储存静电能量的电容器的新型聚合物。这些装置是电动和混合动力汽车以及其他应用的重要部件。Ramprasad的团队与康涅狄格大学的研究人员合作。

目前的电容器聚合物提供高能量密度或热稳定性，但不是两者兼而有之。通过利用人工智能工具，研究人员确定，由聚降冰片烯和聚酰亚胺聚合物制成的绝缘材料可以同时实现高能量密度和高热稳定性。聚合物可以进一步增强在苛刻的环境中发挥作用，如航空航天应用，同时保持环境的可持续性。

Ramprasad说:“具有高能量密度和高热稳定性的新型聚合物是人工智能如何指导材料发现的最具体例子之一。”“这也是与康涅狄格大学的Greg Sotzing和Yang Cao多年多学科合作的结果，也是海军研究办公室持续赞助的结果。”

行业潜力

《自然评论材料》的文章强调了人工智能辅助材料开发在现实世界中翻译的潜力。该论文的共同作者还包括丰田研究所和通用电气的科学家。为了进一步加快人工智能驱动的材料开发在工业中的应用，Ramprasad与人共同创立了Matmerize Inc.，这是一家最近从佐治亚理工学院剥离出来的软件初创公司。该公司基于云的聚合物信息软件已经被能源、电子、消费品、化学加工和可持续材料等各个领域的公司使用。

Ramprasad说:“Matmerize已经将我们的研究转变为一个强大的、通用的、行业就绪的解决方案，使用户能够以更高的效率和更低的成本虚拟地设计材料。”“最初的好奇心已经获得了巨大的动力，我们正在通过设计进入一个令人兴奋的材料新时代。”