傳統(tǒng)的化工行業(yè)如高分子材料研發(fā)面臨著研發(fā)周期長、實驗成本高、材料結(jié)構(gòu)-性能關(guān)系復(fù)雜，以及市場需求動態(tài)變化等痛點。數(shù)字化轉(zhuǎn)型通過引入人工智能和計算建模等先進(jìn)技術(shù)，為行業(yè)變革提供動力。這些工具可以通過虛擬實驗加速創(chuàng)新，從而縮短研發(fā)周期。數(shù)字化轉(zhuǎn)型帶來的數(shù)據(jù)分析能力可以從大量數(shù)據(jù)挖掘潛在規(guī)律來增強決策從而降低新材料的研發(fā)風(fēng)險。從本質(zhì)上講，傳統(tǒng)化工行業(yè)(尤其是聚合物材料研發(fā)領(lǐng)域)數(shù)字化轉(zhuǎn)型的緊迫性在于縮短研發(fā)周期，提高發(fā)現(xiàn)目標(biāo)材料的效率，并在快速發(fā)展的全球格局中確保競爭力。

由于高分子材料的特性源于不同空間和時間尺度上的相互作用，導(dǎo)致高分子材料的開發(fā)需要對其多級結(jié)構(gòu)和行為具備極深的理解，而目前高分子模擬仿真缺少自動化建模工具，現(xiàn)有建模手段通常需要手動完成，效率低下并且依賴于個人經(jīng)驗，且適用于簡單體系，難以處理支化交聯(lián)并且包含多種單體的高分子材料，難以兼顧模擬尺度和精度。因此，復(fù)雜高分子體系的研發(fā)，迫切需要一款能覆蓋“單體-長鏈分子-聚合物”等多尺度的模擬仿真能力的強有力工具。

聚合物結(jié)構(gòu)與性能預(yù)測：

      需要研發(fā)滿足某特定功能的新高分子材料時，可以利用性能預(yù)測模型快速篩選出具備潛力的單體分子。再利用分子量分布預(yù)測方法評估該單體在給定聚合條件下得到的分子量分布，然后基于單體、分子鏈和反應(yīng)條件進(jìn)行更準(zhǔn)確的性能預(yù)測，如果滿足需求則進(jìn)行實驗驗證，從而顯著的縮小需要搜索的化學(xué)空間。最后利用工藝優(yōu)化算法確定最優(yōu)的合成條件從而完成單體-結(jié)構(gòu)-合成條件的研發(fā)流程。

      目前常規(guī)的高分子材料方法依賴于實驗試錯法，即使通過將量化計算方法、計算機建模和人工智能結(jié)合起來，開發(fā)了高分子材料研發(fā)平臺，覆蓋單體分子篩選，聚合后分子量預(yù)測，力學(xué)性能預(yù)測和工藝優(yōu)化等環(huán)節(jié)，填補了高分子研發(fā)工具的空白。

      目前，高分子材料在國防航天、電子工業(yè)、汽車工業(yè)、建筑行業(yè)等諸多領(lǐng)域得到了廣泛的應(yīng)用，已經(jīng)成為人類生產(chǎn)和生活中重要的一部分。而我們開發(fā)的AI輔助研發(fā)平臺覆蓋了分子-結(jié)構(gòu)-工藝-性能四個主要模塊，具有較好的普適性。目前該平臺目標(biāo)以滿足高分子纖維研發(fā)為主導(dǎo)同時兼顧橡膠和塑料等高分子材料，在同行業(yè)中具備可推廣性。