高分子材料的大数据研究是材料信息学的前沿核心内容,而材料信息学的研究存在如图1所示的共性框架,即组成-工艺-结构-性质-性能关系(CPSPPr),其中包含组成工艺决定结构,结构性质关系(QSAR/QSPR)以及性质性能关联三方面主要内容. 要实现精准可靠的“逆设计”,需要明确CPSPPr中的因果关系,部分或者能可靠外推的充分必要关系...
中国科学院长春应用化学研究所李云琦研究员团队在《高分子学报》上发表的综述文章,更多详情可查看原文报道。(DOI: 10.11777/j.issn1000-3304.2021.21360)<Chinese Journal of Polymer Science>上相关文章推荐:综述:(DOI: 10.1007/s10118-022-2868-0 )研...
在整理了高分子材料相关的数据资源和机器学习算法最新进展的基础上,强调了多尺度结构信息的计量方法和数据缺失是高分子材料大数据研究明显滞后于金属、无机非金属和小分子材料的主要原因。进而介绍了高分子材料的合成与自组装、机械热性质、光电声磁...
分子材料大数据研究是大数据与高分子交叉的新兴研究方向,经过近几年的积累和快速发展,对基础研究和生产应用的模式无论是在研究手段,还是在认知范式层面产生了显著的变革驱动力。大数据手段的引入可有效加快高分子材料从实验室研究到规模化生产应用的转换节奏,有效弥补研究数据与工业数据脱节的断层,提升高分子材料面向多样化...
围绕材料的基础与应用研究聚焦的定量组成-工艺-结构-性质-性能关系,剖析了该关系中的要素和可数值化,定量化的资源和途径.进而系统介绍近4年在高分子材料的合成与自组装,机械热性质,光电声磁性质,分离性质和加工性质等方面大数据研究的一些典型进展,梳理了当前高分子材料大数据研究的难题和挑战,对这一新兴快速发展方向...