转过去腿趴好准备打直肠针,一扒二脱三插片在线观看,三上悠亚人妻中文字幕在线

作為聚合物的基本結構特征，自由體積分數（FFV）在控制聚合物性能方面起著不可或缺的作用。然而，新的高FFV聚合物的設計具有挑戰性。

在此，新加坡國立大學姜建文教授等人報道了一種數據驅動的方法，旨在加速高 FFV聚合物的發現。首先，作者提出了一種FFV的計算方法，并開發了兩步分段方法以構建用于聚合物結構數字表示的片段庫。其中，Si-和環相關的片段是對FFV有正向影響的頂部片段，而長脂肪鏈、羰基和Cl-相關的片段對FFV有負面影響。然后，作者通過數據挖掘技術來識別高FFV聚合物中的有前景片段。

隨后，基于數據集I中1683個聚合物的V_vdw和ρ值，作者通過結合3種機器學習（ML）算法（KRR、GPR和RFR）和6個指紋（255位片段、166位MACCS、512位RDKit、1024位RDKit、512位Morgan和1024位Morgan）來訓練ML模型，最后在包含11479種聚合物的另一個數據集II中進行了樣本外預測。

圖1. 數據驅動方法發現高FFV聚合物的工作流程

ML結果顯示，結合本文開發的255位片段指紋的RFR算法顯示出最佳預測精度。模型性能在訓練集和測試集之間的不同隨機分割上表現穩定，且在V_vdw和ρ 的ML模型中也觀察到類似的重要特征。根據數據集II中11479種聚合物的樣本外預測，證明了模型的可遷移性。ML模型用于預測數據集III中約100萬個假設聚合物的FFV，預測出29482種聚合物的FFV > 0.2。

此外，作者通過分子模擬驗證了12種具有代表性的高FFV聚合物并強調了設計策略。為了進一步促進新的高FFV聚合物的發現，作者開發了一個在線交互平臺https://ffv-prediction.herokuapp.com，允許在給定聚合物結構的情況下快速預測FFV。總之，這項研究中的數據驅動方法可能會推動新的高FFV聚合物的開發，并進一步探索聚合物的定量結構-性能關系。

圖2. ML模型篩選約100萬個假設聚合物中的高FFV聚合物

Accelerating Discovery of High Fractional Free Volume Polymers from a Data-Driven Approach, ACS Applied Materials & Interfaces 2022. DOI: 10.1021/acsami.2c03917

原創文章，作者：v-suan，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/07/17a739db7b/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

?姜建文教授ACS AMI: 機器學習輔助加速發現高自由體積分數聚合物

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

?姜建文教授ACS AMI: 機器學習輔助加速發現高自由體積分數聚合物

相關推薦