본 연구는 비트리머 설계를 위한 통합 MD-ML 프레임워크를 개발했다.
첫째, ZINC15 데이터베이스에서 추출한 다양한 비트리머 데이터셋을 구축했다. 고속 MD 시뮬레이션과 GP 보정 모델을 사용하여 데이터셋의 일부 비트리머에 대한 Tg를 계산했다.
둘째, 이 데이터셋을 사용하여 이중 그래프 인코더와 디코더가 포함된 VAE 모델을 학습시켰다. 이를 통해 비트리머 구성 요소를 개별적으로 표현하고 설계할 수 있는 연속적인 잠재 공간을 구축했다.
셋째, 베이지안 최적화를 통해 VAE 모델을 활용하여 목표 Tg를 가진 새로운 비트리머를 발견했다. 제안된 비트리머는 교육 데이터 범위를 벗어나는 극단적인 Tg를 포함하여 다양한 열적 특성을 보여준다.
전체 워크플로우를 통해 다성분 고분자 재료의 고정밀 역설계가 가능해졌다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문