创世界首例！高分子材料领域连发两篇Nature！研究迎来里程碑式突破！|SCI论文润色服务机构_专业润色论文翻译公司

现代高分子科学起源于20世纪20年代Hermann Staudinger的工作，他提出高分子材料如橡胶、纤维素和蛋白质由通过共价键连接的长链分子单元组成（图1a）。这一概念推动了许多创新聚合物的发明，如尼龙和特氟龙等，这些材料广泛应用于日常生活和高科技设备。这一领域的开创性工作为1953年的诺贝尔奖奠定了基础，并继续推动高分子科学的发展。尽管如此，从概念到商业部署的转变通常需要数年或数十年，原因在于复杂的开发过程、新材料必须满足多种指标以及大量的试错活动。为加速这一过程，未来可以利用人工智能专家系统来编码材料知识和经验，从而实现更快速、可靠的材料开发（图1b）。这一理念已经推动了全球材料信息学的发展，有望缩短新材料的迭代周期。

在此，美国佐治亚理工学院的Rampi Ramprasad教授（通讯作者）和Huan Tran（第一作者）撰写了一篇题为“Design of functional and sustainable polymers assisted by artificial intelligence”的综述，发表在《Nature Reviews Materials》上。本综述回顾了人工智能在聚合物信息学子领域取得的进展，尤其关注特定应用的实用聚合物材料的设计。作者考虑了在一些关键和新兴应用领域中的示范性设计尝试，包括用于储存、生产和节约能源的材料设计，以及可为我们实现由可回收和/或可生物降解聚合物驱动的可持续经济做好准备的材料设计。人工智能驱动的工作流程有助于高效搜索材料的巨大化学和构型空间，利用现代机器学习（ML）算法解决 “正向 ”和 “反向 ”材料设计问题。本综述探讨的一个主题是基于信息学的实用设计规程，包括创建一套特定应用的目标特性标准，为这些相关的目标特性建立 ML 模型预测器，列举或生成可行聚合物的有形群体，并选择符合设计建议的候选材料。本文针对几种与能源和可持续发展相关的应用演示了该方案。最后，本文展望了在工业规模材料开发中广泛采用信息学驱动协议所必须克服的障碍。

此外，伊利诺伊大学厄巴纳-香槟分校NicholasE.Jackson、刁莹、CharlesM.Schroeder、MartinD.Burke、AlánAspuru-Guzik联合报道了闭环实验与基于物理的特征选择和监督学习的集成，称为闭环转移(CLT)，以在优化目标函数的同时产生化学见解。相关研究成果以题为“Closed-loop transfer enables artificial intelligence to yield chemical knowledge”发表在最新一期《Nature》上。

来源：高分子科学前沿。内容仅做学术分享之用，版权归原作者所有，若涉及侵权等行为，请联系我们删除，万分感谢！