Inverse Design of Vitrimeric Polymers by Molecular Dynamics and Generative Modeling

要約

ビトリマーは、動的共有結合適応ネットワークの再配置による自己修復能力を備えた新しい種類の持続可能なポリマーです。
しかし、構成分子の選択肢が限られているため、分子の特性空間が制限され、潜在的な用途を完全に実現することができません。
分子動力学 (MD) シミュレーションと機械学習 (ML)、特に新しいグラフ変分オートエンコーダー (VAE) モデルの組み合わせを通じて、新しいビトリマーを生成する方法を確立し、所望のガラス転移温度 (Tg) に基づいてその逆設計を導きます。
。
私たちは 100 万の最初のビトリマー データセットを構築し、ガウス プロセス モデルによって校正されたハイスループット MD シミュレーションによってそのうち 8,424 個の Tg を計算します。
提案された VAE は、デュアル グラフ エンコーダーと、多成分ビトリマーの個別の表現を可能にする潜在次元オーバーラップ スキームを採用しています。
ビトリマーの必要な情報を含む連続潜在空間を構築することにより、トレーニング領域を超えて望ましい Tg を持つ新規ビトリマーを発見するフレームワークの高い精度と効率を実証します。
提案された適度な合成可能性を備えたビトリマーは、広範囲の Tg をカバーし、ビトリマー材料の潜在的な広範な使用の可能性を広げます。

要約(オリジナル)

Vitrimer is a new class of sustainable polymers with the ability of self-healing through rearrangement of dynamic covalent adaptive networks. However, a limited choice of constituent molecules restricts their property space, prohibiting full realization of their potential applications. Through a combination of molecular dynamics (MD) simulations and machine learning (ML), particularly a novel graph variational autoencoder (VAE) model, we establish a method for generating novel vitrimers and guide their inverse design based on desired glass transition temperature (Tg). We build the first vitrimer dataset of one million and calculate Tg on 8,424 of them by high-throughput MD simulations calibrated by a Gaussian process model. The proposed VAE employs dual graph encoders and a latent dimension overlapping scheme which allows for individual representation of multi-component vitrimers. By constructing a continuous latent space containing necessary information of vitrimers, we demonstrate high accuracy and efficiency of our framework in discovering novel vitrimers with desirable Tg beyond the training regime. The proposed vitrimers with reasonable synthesizability cover a wide range of Tg and broaden the potential widespread usage of vitrimeric materials.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google