Fingerprint applicable for machine learning tested on LCST behavior of polymers

Neuer Artikel in “Cell Reports Physical Science”

Fingerprint applicable for machine learning tested on LCST behavior of polymers
Fingerprint applicable for machine learning tested on LCST behavior of polymers
Foto: Yannik Köster, Julian Kimmig, Dr. Stefan Zechel, Prof. Dr. Ulrich S. Schubert

Angesichts des zunehmenden Bewusstseins für die Ressourcenknappheit, ist es von größter Bedeutung, einen ressourceneffizienten Weg für die Forschung in den Materialwissenschaften zu entwickeln. Moderne Algorithmen basierend auf maschinellem Lernen ermöglichen es dabei, eine moderne Versuchsplanung zu etablieren, sodass zielgerichtet Experimente durchgeführt werden können. Allerdings werden solche Algorithmen in der Polymerforschung bisher nur selten eingesetzt, insbesondere da die chemische Struktur der Polymere bisher schwierig in maschinenlesbare Formate übertragen werden konnten.

Eine neue Studie der Arbeitsgruppe nimmt sich dieser Herausforderung an und entwickelt einen neuen „Fingerabdruck“ für Polymere und deren chemische Struktur, sodass diese direkt von einem Computer lesbar sind. So können moderne Algorithmen des maschinellen Lernens effektiver und zielgerichteter genutzt werden. Diese neue Methode konnte für die Vorhersage der kritische Löslichkeitstemperatur (LCST) von Polymeren angewandt werden und es zeigte sich eine sehr gute Übereinstimmung zwischen den Ergebnissen des Experiments und des maschinellen Lernalgorithmus. 

Der vollständige Artikel ist hier zu finden: https://www.sciencedirect.com/science/article/pii/S2666386423003508?via%3DihubExterner Link 

Autoren: Yannik Köster, Julian Kimmig, Dr. Stefan Zechel, Prof. Dr. Ulrich S. Schubert