清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Applying machine learning and quantum chemistry to predict the glass transition temperatures of polymers

均方误差 玻璃化转变 聚合物 生物系统 计算机科学 图形 材料科学 工作(物理) 热的 回归 机器学习 人工智能 统计物理学 热力学 物理 数学 统计 理论计算机科学 复合材料 生物
作者
Kevin P. Hickey,Jeremy Feinstein,Ganesh Sivaraman,Margaret MacDonell,Eugene Yan,Carlos Matherson,Scott Coia,Jason Xu,Kurt Picel
出处
期刊:Computational Materials Science [Elsevier BV]
卷期号:238: 112933-112933 被引量:10
标识
DOI:10.1016/j.commatsci.2024.112933
摘要

Glass transition temperature (Tg) is important for understanding the physical and mechanical properties of a polymer material because it relates to the thermal energy required to transition between a hard glassy state and a soft rubbery one. Over the years, various models have been developed for predicting this thermal property from molecular structure to aid in designing novel polymers in selected classes. This work builds on those efforts by utilizing both machine learning (ML) and quantum chemistry (QC) techniques to develop models that can predict Tg values from the molecular structure under different data availability scenarios and for a wide variety of polymer types. For the ML model, a graph convolutional network (GCN) was used to map topological polymer features; this model was trained against a dataset of more than 7500 Tg values and resulted in a root mean square error (RMSE) of 38.1 °C. The QC-based regression model was trained on 83 Tg values and produced an RMSE of 34.5 °C. This work demonstrated that while both model techniques produce accurate predictions and are suitable for different data availability scenarios, the QC-based regression model offered a more interpretable model framework with significantly less training data.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
羞涩的傲菡完成签到,获得积分10
3秒前
武雨寒发布了新的文献求助10
5秒前
兴奋乞完成签到,获得积分10
20秒前
零度空间完成签到,获得积分10
21秒前
痴情的不惜完成签到,获得积分10
31秒前
33秒前
整齐念薇完成签到,获得积分10
33秒前
武雨寒发布了新的文献求助10
37秒前
51秒前
诸葛平卉完成签到 ,获得积分10
51秒前
星辰大海的应助被psm采纳,获得10
55秒前
55秒前
飞天大南瓜完成签到,获得积分10
57秒前
Gilgardea发布了新的文献求助10
1分钟前
车车完成签到 ,获得积分10
1分钟前
精明开山完成签到,获得积分10
1分钟前
1分钟前
鲤鱼遥完成签到,获得积分10
1分钟前
cat发布了新的文献求助10
1分钟前
AG完成签到,获得积分10
1分钟前
田田完成签到 ,获得积分10
1分钟前
1分钟前
等待凡英完成签到,获得积分10
1分钟前
陈荆洲完成签到,获得积分10
1分钟前
高高的玉兰完成签到,获得积分10
1分钟前
1分钟前
小二郎的应助被cat采纳,获得10
1分钟前
科研通AI6.2的应助被pitinmoon采纳,获得10
1分钟前
漂亮秋荷完成签到,获得积分10
1分钟前
腼腆的雪珊完成签到,获得积分10
1分钟前
淡淡傲柔完成签到,获得积分10
2分钟前
hyk完成签到 ,获得积分10
2分钟前
Orange的应助被Gilgardea采纳,获得10
2分钟前
安详的老五完成签到,获得积分10
2分钟前
欢呼的听枫完成签到,获得积分10
2分钟前
顺利大有完成签到,获得积分10
2分钟前
满意的伊完成签到,获得积分10
3分钟前
年轻的幼菱完成签到,获得积分10
3分钟前
诺一44发布了新的文献求助10
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Hidden Empire of Finance: How Wall Street Profits from Our Cities and Fuels Global Inequality 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8166413
求助须知:如何正确求助?哪些是违规求助? 9559494
关于积分的说明 21750478
捐赠科研通 7757221
什么是DOI,文献DOI怎么找? 3429141
关于科研通互助平台的介绍 2553489
邀请新用户注册赠送积分活动 2473835