利用深度强化学习代理对聚酰亚胺杠杆进行重新设计

《Advanced Materials》：De Novo Design of Polyimides Leveraging Deep Reinforcement Learning Agent

提出基于深度强化学习的DAPiGen代理，通过整合四个机器学习性能预测模型和活性片段生成架构，设计出具有高透明度、低热膨胀系数、强抗拉性和高玻璃化转变温度的新型模板无聚酰亚胺材料，实验验证其有效性和可靠性，为聚合物逆向设计提供可扩展范式。

　　

摘要

设计具有超性能的有机薄膜的分子结构一直是研究的核心目标。然而，候选分子的庞大化学空间给筛选出具有卓越性能的最佳材料带来了挑战。本文提出了一种基于深度强化学习的多目标性能导向策略，并训练了一个名为DAPiGen的智能代理，用于无模板地合成聚酰亚胺。该智能代理结合了四种机器学习模型识别出的性能预测因子以及基于片段的生成架构，同时利用从聚酰亚胺中提取的活性片段作为基本构建单元。通过实际应用，该智能代理成功制备出了适用于柔性显示场景的多种聚酰亚胺，这些聚酰亚胺具有特定的性能，例如更高的透明度、更低的线性热膨胀系数、更强的拉伸强度以及更高的玻璃化转变温度。实验验证和结构重要性分析证明了所提出研究方法的有效性和可靠性。本文提出的可扩展策略为聚合物材料的逆向设计提供了一个范例，为其他结构工程研究提供了指导。

利益冲突

作者声明没有利益冲突。