聚合物已成为日常生活中不可或缺的一部分。然而，目前的聚合物仅代表理论上存在的大量聚合物的一小部分。

德国拜罗伊特大学的ChristopherKuenneth教授博士与美国亚特兰大的研究合作伙伴现已开发出一种数字系统，该系统有望带来极高的经济、技术和生态效益：他们的系统利用大约1亿种理论上可能的聚合物可以以前所未有的速度为目标应用精确选择具有理想特性的材料。

新系统发表在《自然通讯》杂志上。

拜罗伊特大学工程学院计算材料科学教授Kuenneth和亚特兰大佐治亚理工学院的RampiRamprasad教授博士将他们的新系统命名为“polyBERT”。该名称源自PolyBERT诞生的跨学科性：高分子化学、语言学和自然语言处理的见解、概念和技术，以及新的人工智能范式。

polyBERT是一个像化学语言一样对待聚合物化学结构的系统：用这种语言形成的每个单词都是理论上可能的聚合物的唯一名称。这些名称反映了相应聚合物的分子构件和结构。基于语言学和计算机科学的新见解，polyBERT已由拜罗伊特和亚特兰大的研究团队进行培训并开发为学习系统。

从聚合物语言到数字“指纹”

第一步，polyBERT已经了解了大约1亿种理论上可能的聚合物的名称。这些名称是大约13,000种聚合物中包含的分子单元的组合。PolyBERT的训练使其能够理解聚合物语言，并正确识别约1亿种聚合物的构建块和结构。学习数字系统甚至可以单独使用聚合物语言。这意味着PolyBERT可以生成以前未知但理论上可能的聚合物的更多名称。

与化学语言专业知识相关的是另一种功能：polyBERT自动将其所知的聚合物名称翻译成数字表示形式，即所谓的“指纹”。每个指纹都是由数字组成的唯一代码字，可以从中推断出相应聚合物的构建块和结构。对于聚合物的每种化学结构，这种自动生成的数字指纹比人工生成的指纹更不容易出错，而且速度更快。

快速、精确地预测聚合物性能

polyBERT从拜罗伊特和亚特兰大的研究人员关于许多与技术应用特别相关的聚合物特性的教学过程中获得了巨大的实际意义。因此，该系统能够明确地将指纹和聚合物的特性关联起来。

人工智能领域的新技术使PolyBERT能够以高精度和前所未有的速度从1亿种理论上可能的聚合物中精确选择特定应用所需的聚合物。

Kuenneth表示：“polyBERT是一种性能卓越的系统，可快速准确地预测聚合物特性。因此，我们的研究有可能显着加速聚合物的设计、合成和技术应用。”

过去的研究确定了生物塑料

Kuenneth于2022年12月在《通讯材料》杂志上发表的一项研究已经证明了机器学习方法对聚合物研究的重要性。在这里，他和美国亚特兰大和洛斯阿拉莫斯国家实验室的研究伙伴提出了一种类似的人工方法基于神经网络的聚合物性能预测系统。

该系统能够应对全球塑料废物污染。工业生产的塑料中约75%是基于化石原料。新系统可以显着加速寻找可以替代这些塑料的生物聚合物：该研究的作者从140万种可能的候选聚合物中鉴定出14种可生物生产和可降解的聚合物，这些聚合物可以通过快速且经济高效的合成工艺来取代当前的工业塑料变得可用。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：聚合物系统研究