社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

山东大学周传健教授课题组 Polymer 综述:使用机器学习原子间势模拟聚合物

高分子科技 • 6 月前 • 313 次点击  
点击上方蓝字 一键订阅


聚合物因其独特性能在工业和日常应用中占据重要地位。然而,传统模拟方法如分子动力学和密度泛函理论在精确、高效捕捉聚合物系统复杂行为方面存在挑战。机器学习原子间势(MLIPs)结合了量子力学方法的精确性与经典分子动力学的计算效率,为这一问题提供了新的解决方案。MLIPs在聚合物模拟中的进展令人瞩目,可用于预测聚合物的结构、动态、热力学和机械性能。这项技术为研究人员提供了前所未有的工具,通过先进的模拟软件,我们可以快速生成数字模型,利用MLIPs实现精确模拟,推动聚合物科学的发展。然而,要实现这一目标,我们面临着巨大的挑战:如何有效收集高质量数据,解决复杂聚合物结构的问题,并提高势函数的可解释性。

近日,山东大学周传健教授团队在《POLYMER》发表了基于机器学习原子间势的聚合物模拟领域的综述,讨论了高分子领域现有MLIPs技术在拓宽模拟高分子研究种类,以及提升高分子性质预测方面的进展;展示了MLIPs技术在提升高分子模拟精度和增强模型预测效率方面的潜质。同时,也指出了MLIPs在高分子结构描述,高质量数据的收集,以及势函数可解释性方面的问题。随后通过借鉴其他材料的MLIPs的进展,给解决上述问题探讨了可能的途径,通过使用先进描述符、主动学习技术,可以逐步克服这些障碍,最终弥合理论模拟与实际应用之间的差距,推动聚合物科技的创新与发展。

图1. 机器学习势与传统方法的区别


如图1所示,(a) 聚合物层级结构的示意图显示了其从微观到宏观的各级结构特点,揭示了不同层级的相互关系及其对整体性能的影响。(b) 势能面的示意图展示了分子系统中各构型的能量分布,为理解分子间相互作用提供了直观的视角。(c) 精确的量子力学方法计算需求高,适用于小系统;而较大的系统通常使用效率高但精度有限的力场模型。机器学习方法结合了两者的优势,实现了在模拟大系统时既具有量子力学的精度又具备力场模型的效率。

图2. 机器学习势函数的构建过程


机器学习原子间势(MLIPs)的开发过程可以分为四个关键阶段,分别是数据收集、特征工程、模型选择和分子动力学应用。首先,数据收集阶段通过实验和模拟获取大量高质量的分子数据,这些数据是后续建模的基础。然后,在特征工程阶段,科学家们对收集到的数据进行处理和转换,提取出能够代表分子间相互作用的关键特征。接下来,模型选择阶段通过对比不同的机器学习算法,选择出最适合处理这些特征并能准确预测分子行为的模型。最后,在分子动力学应用阶段,将选择好的模型应用到实际的分子动力学模拟中,进行大规模计算和预测,实现对复杂聚合物系统的高效模拟和分析。通过这一系统化的开发流程,MLIPs技术能够充分发挥其在精度和效率上的优势,为聚合物科学的研究提供强有力的工具。(如图2所示)

图3. 机器学习势函数在高分子材料中的应用


目前MLIPs在聚合物领域的成就颇为瞩目(图3)。在性能预测部分,研究人员通过方程计算了聚合物的热容,利用AIMD和Allegro模型计算了径向分布函数,并将MLIPs预测的扩散系数与实验结果进行了对比,展示了MLIPs在性能预测中的高精度和广泛应用潜力。在聚合物多样性部分,详细介绍了已通过MLIPs研究的各种聚合物类型,以及最先进的MLIPs在势能面(PES)搜索中的表现。这些成果不仅证明了MLIPs在不同聚合物体系中的适应性和有效性,还展示了其在复杂系统模拟中的巨大潜力,为未来聚合物科学研究提供了坚实的理论基础和应用前景。


论文的第一作者是山东大学材料科学与工程学院的龙腾助理研究员,通讯作者为山东大学材料科学与工程学院周传健教授。作者还包括山东大学威海工研院的硕士生李佳,材料科学与工程学院的硕士生王宸璐、王华副研究员、程潇副研究员,化学与化工学院的卢海峰教授,工程训练中心的张颖实验师等。


周传健课题组长期从事高性能有机硅材料的研究,课题组长期招收优秀的博士后、博士研究生;也欢迎从事弹性体合成、加工等领域的优秀的青年教师申请教职。


文章链接如下:

https://www.sciencedirect.com/science/article/pii/S0032386124007523


相关进展

佐治亚理工学院齐航教授《Nat. Commun》:机器学习助力4D打印机敏复合材料设计

江苏大学聂仪晶课题组 Macromolecules:利用分子模拟和机器学习揭示聚合物自愈合的微观机制

马里兰大学Po-Yen Chen/胡良兵/李腾团队 Nat. Nanotech.:基于机器学习加速发现高性能可降解塑料替代新方法

高分子科技原创文章。欢迎个人转发和分享,刊物或媒体如需转载,请联系邮箱:info@polymer.cn

诚邀投稿

欢迎专家学者提供稿件(论文、项目介绍、新技术、学术交流、单位新闻、参会信息、招聘招生等)至info@polymer.cn,并请注明详细联系信息。高分子科技®会及时推送,并同时发布在中国聚合物网上。

欢迎加入微信群 为满足高分子产学研各界同仁的要求,陆续开通了包括高分子专家学者群在内的几十个专项交流群,也包括高分子产业技术、企业家、博士、研究生、媒体期刊会展协会等群,全覆盖高分子产业或领域。目前汇聚了国内外高校科研院所及企业研发中心的上万名顶尖的专家学者、技术人员及企业家。

申请入群,请先加审核微信号PolymerChina(或长按下方二维码),并请一定注明:高分子+姓名+单位+职称(或学位)+领域(或行业),否则不予受理,资格经过审核后入相关专业群。

这里“阅读原文”,查看更多


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/172618
 
313 次点击