化学信息学 - 使用Synthia模块建立聚合物内聚能预测模型并基于实验数据对模型进行拓展

时间:2014-09-12

使用Synthia模块建立聚合物内聚能预测模型并基于实验数据对模型进行拓展

参考文献:Bicerano, J. Prediction of Polymer Properties, Third Edition, Marcel Dekker Inc.: New York (2002).
 

      本文的主要内容是介绍如何在PP中正确使用Synthia的建模功能组件,从而基于重复单元信息、分子量和温度等信息,对无定型聚合物和随机共聚物的性质(内聚能)进行快速建模与预测,以及用户如何在已有模型的基础上添加实验数据对模型进行拓展。已知,整个建模和模型拓展的工作流设计如图1所示,主要由3个不同的pipeline共同组成。首先,读取聚合物训练集数据,经过预处理之后传递给PP的建模组件,建模方法选择最小二乘法,当第一条pipeline运行完成后即可生成相应模型;然后,在第二条pipeline中读取新增的实验数据和重复单元的化学结构信息,经过一系列数据预处理操作之后传递给专门用于模型拓展和更新的组件“New Model from Old”,该组件会自动生成相应的建模描述符,并基于用户指定的实验数据生成新的聚合物预测模型。最后,读取聚合物测试集,调用Synthia模块的建模组件“Synthia Extensible Models”中的两个不同实例来分别预测温度在298K时聚合物测试集的内聚能值。

      原始模型和拓展模型对聚合物测试集的预测结果对比如图2所示,从该案例可以看出,PP不仅可以用于小分子化合物的计算与模拟,还能够方便和灵活的用于聚合物的分析工作中。

图1 Pipeline Pilot中对聚合物进行建模、模型拓展和预测的流程示例

图2 不同模型对聚合物测试集的预测结果对比示例