現(xiàn)代高分子科學(xué)飽受多維性的困擾。將單體組合成一個(gè)統(tǒng)計(jì)共聚物所帶來(lái)的巨大化學(xué)空間使得聚合物合成和表征技術(shù)難以實(shí)現(xiàn),也限制了系統(tǒng)研究結(jié)構(gòu)-性能關(guān)系的能力。在此,美國(guó)北卡羅來(lái)納大學(xué)教堂山分校Frank A. Leibfarth以及卡內(nèi)基梅隆大學(xué)Olexandr Isayev等人展示了一種機(jī)器學(xué)習(xí)(ML)引導(dǎo)的材料發(fā)現(xiàn)方法,該方法結(jié)合了自動(dòng)化流程合成和ML方法開(kāi)發(fā)中的協(xié)同創(chuàng)新,用于高對(duì)比度19 F磁共振成像 (MRI) 試劑的發(fā)現(xiàn)。具體而言,自動(dòng)化ML(Auto ML)循環(huán)由四個(gè)步驟組成:(i) 訓(xùn)練代理AutoML模型以針對(duì)初始數(shù)據(jù)集上的給定目標(biāo)集進(jìn)行優(yōu)化;(ii) 使用AutoML構(gòu)建的模型對(duì)共聚物組成空間進(jìn)行虛擬篩選;(iii) 選擇可提高模型準(zhǔn)確性的共聚物組成子集;(iv) 對(duì)選定的聚合物進(jìn)行合成和實(shí)驗(yàn)測(cè)量,并使用這些數(shù)據(jù)更新ML模型。圖1. 計(jì)算和實(shí)驗(yàn)迭代有效篩選高性能19 F MRI試劑最終,作者在六變量組成空間內(nèi)合成 397 種獨(dú)特的共聚物組合物,ML確定的非直觀設(shè)計(jì)標(biāo)準(zhǔn)是通過(guò)探索<0.9% 的整體組成空間來(lái)實(shí)現(xiàn)的,從而確定了超過(guò)10種性能優(yōu)于最先進(jìn)材料的共聚物組合物。此外,本文揭示的趨勢(shì)最終證明19F濃度與19F MRI測(cè)量中的信號(hào)強(qiáng)度沒(méi)有直接關(guān)系。材料發(fā)現(xiàn)通常依賴(lài)于人類(lèi)直覺(jué),而直覺(jué)受到固有偏見(jiàn)和知識(shí)局限性的影響。正如這項(xiàng)研究表明的那樣,軟件支持的高通量聚合物合成和ML的持續(xù)集成代表了一種加速材料發(fā)現(xiàn)的強(qiáng)大方法,特別是在聚合物科學(xué)領(lǐng)域。圖2. 作為19 F MRI試劑的多組分共聚物的合成Machine-Learning-Guided Discovery of 19F MRI Agents Enabled by Automated Copolymer Synthesis, Journal of the American Chemical Society 2021. DOI: 10.1021/jacs.1c08181