《Computational Materials Science》：PolyGraphPy: A unified Python framework for atomistic simulation and machine learning-driven polymer design
编辑推荐：
摘要聚合物是日常生活中不可或缺的 materials，应用范围从电子到医药无所不包，这得益于其通过调整化学组成和结构而具备的可定制性。这些化合物的设计空间极为庞大，受多种因素支配，包括单体类别、共聚物构型（如线性、支化、无规和交替）、链段尺寸、化学计量比以及材料性质（如密度、
摘要 聚合物是日常生活中不可或缺的 materials，应用范围从电子到医药无所不包，这得益于其通过调整化学组成和结构而具备的可定制性。这些化合物的设计空间极为庞大，受多种因素支配，包括单体类别、共聚物构型（如线性、支化、无规和交替）、链段尺寸、化学计量比以及材料性质（如密度、折射率、溶解度和泊松比）。因此，探索这一领域需要高效计算方法学来支撑聚合物科学研究。为解决这一挑战，本文提出了 PolyGraphPy——一个开源的统一 Python 框架，将原子尺度模拟与机器学习相结合，用于实现精确的性质预测和以性质为导向的聚合物设计。该框架通过密度的紧束缚法（DFTB+）自动化量子力学计算，高效地为单体、均聚物和交替共聚物构建结构化数据集。在性质预测方面，PolyGraphPy 采用基于随机图表示的贝叶斯图神经网络（GNN），可预测如静态极化率等目标性质，同时提供稳健的不确定性量化。此外，该平台集成了两种互补的生成模型，用于目标分子的从头设计：一个基于 SELFIES 的生成式预训练 Transformer（GPT）模型，以及一个基于 BRICS 图碎片化的遗传算法（GA）。在丙烯酸酯数据集上的演示表明，PolyGraphPy 提供了一个高度可定制的端到端流程，降低了计算成本，加速了数据驱动的聚合物信息学研究。
引言 近年来，机器学习（ML）凭借其从数据中学习化学模式的能力，已成为推动新聚合物发现的一种强大工具。然而，在开发用于聚合物性质预测和以性质为导向生成的机器学习模型时，确定适当的聚合物表示方法仍然是一个核心挑战[1]、[2]。为此，人们提出了几种针对聚合物化学的基于文本的表示方法，包括 SMILES[3]、BigSMILES[4]、InChI[5] 和 PolyGrammar[6]。然而，机器学习模型学习这些表示的语义较为困难，且生成模型常常因为这些表示的脆弱语法而产生无效分子——微小的结构错误就会导致化学无效的字符串。相比之下，SELFIES（自引用嵌入字符串）[7] 提供了一种以满射方式表示分子的鲁棒字符串编码，其中每个 SELFIES 字符串都对应一个有效分子。此外，图表示提供了一种自然地编码分子结构的方式，其中原子和键分别被建模为节点和边[8]。聚合物信息学是一个高度交叉的领域，它将机器学习与原子尺度模拟相结合，以加速聚合物的性质预测和以性质为导向的设计。目前已开发了一些计算工具来支持聚合物的有效分析和设计。在现有工具中，聚合物基因组（Polymer Genome）[9]、[10] 是一个基于网络的机器学习平台，可近乎即时地预测聚合物的物理化学性质。它使用 Python 和 PHP 构建，提供了直观的界面和稳健的后端基础设施，用于快速筛选候选聚合物；然而，它仍然严格依赖数据库，依赖于既有的历史数据集，而非执行动态、自动化的量子模拟来探索未映射的化学空间。此外，Chemprop 是一个多功能的机器学习包，采用有向消息传递神经网络（D-MPNN）架构进行性质预测。它最初是为小分子开发的，后来扩展到了聚合物领域[8]、[11]、[12]、[13]、[14]。尽管在性质估算方面非常精确，Chemprop 严格来说只是一个预测框架，缺乏用于自动化从头生成或结构优化的集成回路。DeepMol 是一个利用自动化机器学习（AutoML）来预测分子物理化学性质的开源框架[15]。尽管在不同流程中具有很高的灵活性，但 DeepMol 仅限于标准的分类和回归架构，没有内置的分子搜索启发式方法或生成代理。Polymerexpert[16] 是一个旨在通过整合领域知识（聚合物化学启发式规则、可合成性规则）与数据驱动的聚合物性质预测来支持从头聚合物设计的系统。此外，XenonPy[17] 是一个全面的材料信息学库，擅长计算聚合物特定的组成和结构描述符用于机器学习映射，但它缺乏动态结构生成功能。类似地，PolyGNN[18] 提供了一个专门针对聚合物网络的先进基于图的预测架构，但它缺乏集成的主动学习不确定性量化或从头设计代理。
生成工具的快速发展进一步加速了新化学物质和材料的发现。在这方面，SPACIER 包[19] 是一个完全自动化的系统，将全原子经典分子动力学模拟与机器学习相结合，通过贝叶斯优化实现以性质为导向的分子生成。虽然 SPACIER 成功地将模拟与主动探索结合了起来，但它仅在经典分子动力学（MD）领域运行，忽略了电子层面的量子力学优化，且依赖于结构筛选而非双引擎结构生成方法。在生成设计领域，如 REINVENT[20] 等平台利用循环神经网络（RNN）和强化学习在分子生成方面树立了标杆。然而，虽然这些小分子药物样分子非常有效，但它们原生上无法协同自动化量子层面的模拟或针对宏观聚合物属性进行优化。SELF-BART[21] 是一个基于 BART 架构[22] 构建的编码器-解码器模型，旨在学习鲁棒的分子表示并直接从 SELFIES 字符串生成新颖分子。这种方法将 SELFIES 的语法鲁棒性与 BART 的生成能力相结合，有效地探索了有效化学空间。此外，遗传引导的 GFlowNets[23] 将生成流网络与领域知情的遗传算法相结合，允许生成策略纳入专家知识并提高样本效率。MG2N2[24] 采用基于图神经网络（GNN）的顺序图生成策略，通过逐步添加节点（原子或子结构）和相应的边来增量构建分子，从而实现灵活且可解释的分子生成过程。这些实例展示了数据驱动平台不断扩展的生态系统，这些平台通过大幅降低材料发现和优化所需的时间和计算成本，正在重塑聚合物研究领域。
为了突出本文所提出工作的独特价值主张，表1系统地评测了PolyGraphPy 与现有主流框架的对比。这一比较表明，PolyGraphPy 代表了一种独特的方法论整合，解决了自动化量子模拟、不确定性量化和结构发现方面的关键操作空白。
鉴于当前基于机器学习的聚合物分析和设计方面的进展，我们提出了一个开源的基于 Python 的计算框架
PolyGraphPy ，用于高效准确地预测聚合物的性质，并结合以性质为导向的生成能力。该 Python 工具箱利用密度的紧束缚法（DFTB）量子力学计算[25]、[26]，高效构建大规模数据集，用于训练具备不确定性量化能力的基于图的预测模型，以及两个生成模型：一个基于 SELFIES 的生成式预训练 Transformer（GPT）模型[27]，以及（ii）一个以性质为导向的遗传算法（GA）[28]、[29]。
PolyGraphPy 工具箱，包括本文讨论的所有脚本和示例，可自由在 GitHub 上获取：
https://github.com/SASP-lab/PolyGraphPy 。
章节摘要 计算框架概述 PolyGraphPy 是一个用于聚合物高效性质预测和以性质为导向设计的 Python 工具箱，它将以下工具整合到一个统一平台中：
1. 基于 DFTB 的量子力学计算，通过用户友好的界面实现高效的原子尺度模拟，利用并行处理来增强计算性能。
2. 基于贝叶斯图神经网络[30]、[31]、[32]的均聚物和共聚物性质预测及不确定性量化。
3.
输入数据：丙烯酸酯 鉴于公开可获取的具有计算极化率值的单体和聚合物数据集非常有限，我们通过使用 DFTB+ 进行原子尺度模拟生成了两个数据集。第一个数据集包含1264个丙烯酸酯单体及其对应的 SMILES，从 PubChem[65]、[66]中提取，其中包括甲基丙烯酸酯、丁基丙烯酸酯、乙基丙烯酸酯和丙烯酸等化合物，每种化合物都具有C=C-C(=O)O 亚结构，该亚结构对于聚合物应用至关重要[67]。图。
结论 PolyGraphPy 是一个开源的模块化 Python 框架，旨在简化高分子材料的发现和设计，特别聚焦于具有定制静态极化率的丙烯酸酯单体。为了解决同时包含分子结构和静态极化率值的公开数据集稀缺的问题，我们使用 DFTB+ 模拟生成了两个大规模数据集：（A）3427个单体/均聚物模拟和（B）8627个共聚物模拟。数据集的构建
CRediT 作者贡献声明 Jo?o G.C.S. Duarte： 写作——审阅与编辑，写作——初稿撰写，验证，方法论，调查研究，形式分析，数据管理。Shruti Venkatram： 验证，方法论，调查研究，形式分析，数据管理。Morgan Cencer： 验证，方法论，调查研究，形式分析，数据管理。Traian Dumitricǎ： 写作——审阅与编辑，监督，项目管理，资助获取。Ketson R.M. dos Santos： 写作——审阅与编辑，监督，项目
利益冲突声明 作者声明以下财务利益/人际关系，可能被视为潜在的利益冲突：Ketson R. M. dos Santos 报告 3M 公司提供财务支持和写作协助。Traian Dumitrica 报告 3M 公司提供财务支持和写作协助。Joao G. C. S. Duarte 报告 3M 公司提供财务支持和统计分析。Shruti Venkatram 报告 3M 公司提供财务支持
致谢 作者衷心感谢 3M （资助编号：CON000000109024）提供的技术和财务支持。此外，我们非常感谢 Minnesota 超级计算研究所提供的计算资源。
Jo?o G.C.S. Duarte | Shruti Venkatram | Morgan Cencer | Traian Dumitricǎ | Ketson R.M. dos Santos
