ИСТИНА |
Войти в систему Регистрация |
|
ИПМех РАН |
||
В докладе представлен машинно-ориентированный подход для систематического поиска новых полимерных материалов с улучшенными свойствами. Разработанные программы GenStruc и PolyPred выполняют scaffold-based построение структуры наименьших повторяющихся звеньев (НПЗ) линейных полимерных цепей и характеризацию физико-химических свойств для дальнейшего отбора по заданному критерию. В GenStruc НПЗ генерируются с помощью алгоритмов перебора и Монте-Карло с использованием предварительно созданной базы данных (БД) структурных элементов основных цепей и боковых заместителей посредством декомпозиции полимеров из БД [1]. Отдельное внимание уделялось созданию фильтров на основе InChIKey для удаления дубликатов, что оптимизирует создание баз данных химических структур и их свойств. С помощью GenStruc создана БД из 5 142 153 НПЗ, из которой выделено 787 740 уникальных структур, доступных по ссылке [2]. Регрессионная модель Бицерано [1], реализованная в PolyPred, позволила произвести быструю обработку большого массива данных. В качестве примера отбора НПЗ рассматривается поиск структур с максимальным значением диэлектрической проницаемости и показателем преломления. В полученном перечне идентифицированы известные полимеры, свойства которых, полученные по предсказанию PolyPred, согласуются с экспериментом, что делает возможным рассматривать построенный подход как адекватный. Показано, что количество найденных полимеров с экстремальными значениями свойств сопоставимо с результатами обработки PolyPred открытой БД PI1M [3]. Дальнейшее развитие обсуждаемого подхода требует разработки метода прогнозирования возможности синтеза виртуально сконструированных полимеров. В настоящее время эти функции выполняют фильтры анализа химических связей. Списоклитературы [1] J.Bicerano, Prediction of polymer properties, Marcel Dekker Inc., NY-Basel, 2002, 1-746. [2] GitHub: Available online: https://github.com/trepalin/KintechLab (accessed on 24 June 2023). [3] M.Ruimin,L.Tengfei, J. Chem. Inf. Model. 2020,60, 4684–4690.