聚合物领域的机器学习对材料发现和经济高效的制造正在日益兴起。本次网络研讨会的重点是机器学习在聚合物科学和技术领域的使用，包括学者和行业专业人士的演讲。
无论是在学术界还是在工业界，从事聚合物科学和技术工作的个人都会对此活动感兴趣
关于在聚合物发现和设计中使用机器学习的基础知识；研究一直在开发计算软件，以帮助发现具有目标结构和特性的分子材料。虽然最初团队专注于多孔分子材料，但我们还将探讨如何将我们的方法推广到其他分子材料及其应用，包括有机半导体或光催化领域。固有多孔有机分子在分离、催化、封装、传感和多孔液体方面显示出前景。这些分子通常是通过动态共价化学反应从有机前体合成的。
如果我们考虑仅由亚胺缩合反应合成的笼，大约有800,000种可能的醛和胺前体，将它们组合在所有不同的可能拓扑结构中会产生超过8.3亿个可能的多孔有机笼。因此，无论是从计算还是综合的角度来看，我们都不可能筛选出所有这些可能的程序集。我们的进化算法自动组装来自前体库的假设分子。该软件属于受达尔文进化论和“适者生存”前提启发的一类方法。我们的方法已经提出了综合实现的有希望的目标。
此外，我们正在解决诸如哪种拓扑或动态共价化学反应使空隙尺寸最大化或特定化学功能是否促进目标应用等问题。我们还研究了机器学习在快速预测多孔有机分子是否具有形状持久性、是否保留内部空腔以及循环神经网络以生成具有目标光电特性的新分子方面的应用。
使用黑盒和灰盒机器学习方法对复合材料粘合接头进行参数研究：深度神经元网络和遗传编程与传统的连接方法相比，胶粘剂的优异性能促进了其广泛的应用。然而，传统的数值和实验方法仍然依赖于分析粘接接头的“一次一个因素”技术，忽略了粘接接头设计变量的复杂但本质的相互影响。因此，本研究采用黑箱（深度神经元网络）和灰箱（遗传编程）机器学习方法研究复合材料粘接接头连续（几何）和离散（材料）设计参数的相互影响。目的是进行系统和比较研究，包括评估复合材料粘接接头机械性能的所有可能设计变量。结合拉丁超立方体抽样技术，利用实验结果验证的粘接接头有限元模型生成两种机器学习模型的输入数据。对基于不同几何特性和不同连接材料的案例进行了分析，并对两种机器学习模型的不同特点进行了系统的比较研究。最后，应用所提出的方法找到了案例研究中连续和离散参数的最佳组合。本方法还显示了在涉及复杂多变量的其他应用中广泛使用的潜力。
本演示文稿将描述功能图、它们是什么以及它们是如何生成的，然后再深入研究它们的不同使用方式。能力图将设计空间中一种或多种候选材料的不同属性组合的可实现性可视化。
- 研究领导者可以使用它们来就他们的下一个研究方向做出数据驱动的决策。- 材料生产公司的应用工程师可以使用它们与最终客户进行复杂的财产/成本权衡讨论。- 有长期计划的公司的产品开发人员可以了解使用当前技术可以将组件材料的特性推到多远。- 以可持续发展为重点的公司可以了解去除未来可能受到监管的成分并用其他成分替换它们是否会影响他们可以实现的特性。
材料人工智能不仅仅是预测属性。它为决策者提供价值，并以可用于未来项目的方式获取知识。
近年来，机器学习已成为从文献和实验结果中提取有意义信息的强大技术。通过将机器学习用于预测任务，可以通过减少对时间的需求— — 详尽的实验来显着增强研究过程。此外，通过分析机器学习分析的模型结果，可以更深入地了解控制特定属性的潜在特征。将考虑两种机器学习方法：1) 分析由有机光伏(OPV)材料、稳定性和性能数据组成的数据库，以及 2) 分析室外测试的OPV模块的数据集，以基于以下数据对OPV稳定性和性能进行预测气候情况。
OPV材料数据库的分析是使用材料、配置和测试条件作为预测属性，以功率转换效率（PCE）和达到初始效率（T80）的80%的时间作为预测响应来实现的。使用顺序最小优化回归 (SMOreg) 机器学习算法来执行预测。这随后允许确定最重要的材料和配置，以提高OPV设备的稳定性和性能。此外，根据ISOS–L和ISOS–D标准测试的设备还考虑了分析，以便可以确定控制光稳定性和暗储存稳定性的材料。
产品管理顾问 , Citrine Informatics会议将被记录下来，所有注册者都将收到一个链接以供点播观看。会议将在格林威治标准时间13:00 - 14:30举行2021年11月22日（周一），13:00 - 14:30（格林威治标准时间），通过阅读原文进入报名链接。
材料、矿物和采矿研究所(IOM3：The Institute of Materials, Minerals and Mining)是英国主要的科学和工程机构，也是受皇家宪章管辖的注册慈善机构。
IOM3支持材料、矿物、采矿和相关技术学科的专业人士成为向低碳、资源高效型社会过渡的先锋者。我们力求通过提供现代、灵活的服务、优质的技术内容和物有所值，成为最好的专业会员机构。我们的活动促进和发展材料循环的所有方面，从勘探和提取，到表征、加工和应用，再到产品回收和循环再利用。