聚合物表示学习模型的制作方法
本公开涉及一种聚合物表示学习模型,该聚合物表示学习模型可以使用多种数据类型作为输入并产生嵌入,该嵌入捕获包含于在输入数据内的一类聚合物的各方面。此类技术可用于提供与该类聚合物内的特定聚合物的生产相关的推荐(诸如,用以制备该类聚合物内的特定聚合物的化学品和/或分子或用于生产特定聚合物的制造条件),或特定聚合物的应用,而实际上不必制备或测试该类的多种聚合物。
背景技术:
1、机器学习和统计分析可以用于帮助设计化学品和材料。一些经验建模方法使用包括描述感兴趣的化学体系的自变量的训练数据。此类变量的示例包括描述符(“x变量”或“x数据”)和要产生的化学产品的期望属性(“y变量”或“y数据”)。各种算法可以检测和封装x变量与y变量之间的模式。可以开发模型工具以使用户能够测试关于新的输入变量集的预测结果的假设,或者优化输入以满足化学产品的期望y变量规范。创建用于材料信息学的此种模型的一个任务是确定使用什么数据作为x数据。为了使机器学习算法检测x与y之间的模式,x数据变量应含有关于系统及其行为方式的相关信息。数据的相关信息内容越不密集,算法越可能错过数据中的模式(例如,欠拟合)和/或将模式归因于输入中的随机变化(例如,过拟合)。欠拟合或过拟合导致不太可用的模型。优选地,以最小的稀疏性和噪声表示系统中材料的独特性质。此外,模型往往是特定于应用的。例如,它们可以仅捕获与特定应用的y变量相关的x变量的关系。
技术实现思路
1、本公开涉及使用可用数据的聚合物系统的表示模型,在本文中称为聚合物表示学习模型。聚合物表示学习模型允许映射到制造条件并识别用于定义的应用和改进或优化的应用条件的合适材料,仅需要小数据集用于目标任务。聚合物表示学习模型可以使用多种数据类型作为输入,并产生嵌入,该嵌入捕获包含于输入数据内的一类聚合物的各方面。聚合物表示学习模型可以通过针对该类聚合物内的其他聚合物进行训练来学习填充输入数据中的缺失数据(例如,由于小的或不完整的数据集),从而有助于减轻在聚合物表征空间中实施一些先前的机器学习方法的显著时间和成本障碍,该等方法需要相对高水平的数据量和/或质量而不允许缺失数据。相比之下,一些先前方法可能需要在能够实施有效机器学习之前获取附加数据和/或较高质量数据。本文描述的实施方案克服了此类障碍,同时还使用比传统机器学习方法小得多的数据量。
2、在应用中使用的聚合物不是一个分子,而是许多不同尺寸、组成、构形和构造的分子的分布,其中的每个可以不同的方式有助于总体共混物的性能。严格控制生产聚合物的工艺以产生一组限定的分布(例如,关于分子量、化学、短链分支等)。分子量分布、共聚单体结合分布和分支结构的微小变化可能对最终产物性能具有显著影响。本公开提供了一种聚合物表示学习模型,其可以促进对聚合物的生产如何导致聚合物的特定性质和/或聚合物的应用的理解。聚合物表示学习模型可以用于逆向设计,以识别可以用于制备具有特定性质的聚合物或具有特定结果的聚合物的应用的工艺条件。聚合物表示学习模型可以使用工艺信息来描述其目标应用中的材料性质。
3、对于许多聚合物体系,包括商业材料,没有为所有应用相关行为建立完整的结构-性质关系,这部分是由于加工对性能的显著影响。聚合物表示学习模型可以通过克服由复杂的聚合物结构-性质关系造成的障碍来使域特定的特征工程化能够产生各类聚合物及其应用的有用表示。
4、本公开的以上 技术实现要素: 不旨在描述每个所公开实施方案或本公开的每个实施方式。以下描述更具体地例示了例示性实施方案。在本申请通篇的若干处,通过示例列表提供指导,这些示例可以各种组合使用。在每种情况下,所列举的列表仅充当代表性群组且不应被解释为排它性列表。
1.一种计算机实施的方法,其包括:
2.根据权利要求1所述的方法,其中提供与所述特定聚合物的生产或应用相关的所述推荐包括基于所述类聚合物内的其他数据实例,针对特定聚合物的缺失数据,从所述聚合物表示学习模型中插补数据。
3.根据权利要求2所述的方法,所述方法还包括用所述插补数据、所述第一多个数据实例以及所述第二多个数据实例和所述第三多个数据实例中的所述至少一个来训练所述聚合物表示学习模型,以调整所述类聚合物的所述嵌入。
4.根据权利要求1所述的方法,所述方法还包括融合所述第一多个数据实例以及所述第二多个数据实例和所述第三多个数据实例中的所述至少一个,以学习针对所述类聚合物的所述嵌入。
5.根据权利要求1所述的方法,所述方法还包括操作所述聚合物表示学习模型以学习所述第一多个数据实例以及所述第二多个数据实例和所述第三多个数据实例中的所述至少一个的相应嵌入,以及将所述相应嵌入融合到所述类聚合物的所述嵌入。
6.根据权利要求1所述的方法,所述方法还包括基于所述类聚合物确定是否:
7.根据权利要求1所述的方法,其中操作所述聚合物表示学习模型以学习所述嵌入还包括:
8.根据权利要求1所述的方法,其中提供与所述特定聚合物的生产相关的所述推荐包括确定用于生产所述特定聚合物的制造条件、单体和添加剂中的至少一个,对于所述制造条件、单体和添加剂中的至少一个,对应的第一数据实例不可用。
9.根据权利要求1所述的方法,其中提供与所述特定聚合物的应用相关的所述推荐包括确定所述特定聚合物的特定应用的应用条件、任何配方组分和任何添加剂中的至少一个,对于所述应用条件、任何配方组分和任何添加剂中的至少一个,对应的第三数据实例不可用。
10.根据权利要求9所述的方法,其中提供与所述特定聚合物的应用相关的所述推荐还包括确定所述特定聚合物的所述特定应用的应用性能特性。
11.根据权利要求1所述的方法,其中操作所述聚合物表示学习模型以学习所述嵌入还包括掩蔽特定数据实例并最小化所述特定数据实例的重建损失。
12.根据权利要求1所述的方法,其中所述多个不同数据类型包括一组数据类型中的至少两个数据类型,所述一组数据类型包括:
13.根据权利要求1所述的方法,所述方法还包括基于所述类聚合物的所述嵌入、所述第一多个数据实例以及所述第二多个数据实例和所述第三多个数据实例中的所述至少一个来确定用于生产所述特定聚合物的制造条件、任何其他分子和任何附加化学品中的至少一个,对于所述制造条件、任何其他分子和任何附加化学品中的至少一个,对应的第一数据实例不可用。
14.一种数据处理装置,所述数据处理装置包括处理器,所述处理器被配置为执行根据权利要求1至13中任一项所述的方法。
15.一种非暂态机器可读介质,所述非暂态机器可读介质存储能够由处理器执行以执行根据权利要求1至13中任一项所述的方法的指令。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com