ИИ может разрабатывать полимеры с контролируемой последовательностью для переработки
Аннотация Синтетические полимеры с контролируемой последовательностью обещают изменить науку о полимерах, сочетая химическую универсальность синтетических полимеров с точной функциональностью биологических белков, опосредованной последовательностями. Однако разработка этих материалов оказалась чрезвычайно сложной, поскольку им не хватает огромных наборов данных о близкородственных эволюционировавших молекулах, которые ускоряют создание белков. Здесь мы сообщаем о стратегии искусственного интеллекта, направленной на сокращение объема данных, необходимых для ускорения разработки этих материалов. Мы фокусируемся на данных, связывающих последовательность повторяющихся единиц модельной молекулы, улучшающей совместимость, с ее способностью снижать межфазное натяжение между отдельными полимерными доменами. Оптимальная последовательность этих молекул, которая необходима для таких применений, как переработка смешанных отходов полимеров, сильно зависит от таких переменных, как концентрация и химические характеристики полимера. Мы показываем, что глубокая нейронная сеть, обученная на данных с низкой точностью для отношений последовательности/межфазного натяжения при одном наборе условий, может быть быстро настроена для получения более точных прогнозов при другом наборе условий, требуя гораздо меньше данных, чем обычно требуется в наборах данных, которые мы протестировали. Такая подготовка с использованием предварительно обученной модели и последующая ее настройка на невидимых данных из другого подхода к набору данных может позволить одному родительскому набору данных с низкой точностью ускорить прогнозирование и проектирование в более широком наборе связанных систем.
## В чем суть открытия Как ИИ может разрабатывать полимеры с контролируемой последовательностью для переработки пластика, не имея огромных наборов эволюционных данных, доступных? ## Как это устроено: принцип работы Однако разработка этих материалов оказалась чрезвычайно сложной, поскольку им не хватает огромных наборов данных о близкородственных эволюционировавших молекулах, которые ускоряют создание белков. Здесь мы сообщаем о стратегии искусственного интеллекта, направленной на сокращение объема данных, необходимых для ускорения разработки этих материалов. ## Что это меняет на практике Ускоряет разработку индивидуальных средств совместимости сополимеров для переработки промышленных смешанных полимерных отходов, значительно сокращая необходимые экспериментальные итерации и затраты на сбор данных. ## Границы метода и риски В настоящее время оценка ограничивается протестированными парами наборов данных с низкой и высокой точностью, а эффективность зависит от достаточного структурного перекрытия между исходными и целевыми физическими условиями. ## Результаты и доказательства - **Комплексный скор значимости:** 6.5 / 10.0 - **Уровень доказательности:** Теоретическое обоснование