在数据和信息异常发达的今天，高分子科学蓬勃发展，各种特性的高分子材料被不断设计开发出来，极大地丰富了我们的生活，也有力促进了前沿探索的广度、深度和精细度。作为典型的软物质体系，高分子的理论和计算模拟一直在不停发展完善，但与生产实践直接挂钩的准确度一直饱受诟病。其根源在于高分子的柔性、分布性和多因素协同涌现性等特点，对经典的决定性理论和实际应用的精准控制提出了严重挑战。近年来的大数据和机器学习研究范式的崛起，有望推动高分子科学在多个经典问题和前沿方向上取得进展。

该展望由贵州大学李云琦博士，北京航天航空大学蒋滢博士，华东理工大学王立权博士和复旦大学李剑锋博士合作完成。在该展望中，简要介绍了上述四个团队近几年应用大数据和机器学习手段在高分子的化学和拓扑结构通用描述、构象、聚集结构和相行为，以及结构性质关系中的研究进展；列举了当前阶段大数据和机器学习与高分子体系结合时遇到的几个共性难点及其对传统研究方法的挑战。在此基础上，展望了通过进一步发展高效编码方法，构建基准数据集和知识图谱的途径，促使高分子科学在已知现象问题的机理剖析、目标的预测和逆设计，以及复杂关系中新模式的识别等三个层次取得突破。

该工作发表在Chinese Journal of Polymer Science的“Theory and Simulation of Macromolecules”专辑。

原文信息：

Li, Y. Q.; Jiang, Y.; Wang, L. Q.; Li, J. F.  

Chinese J. Polym. Sci. 2023, 41, 1371–1376

DOI: 10.1007/s10118-022-2868-0