論文の概要: A Synthetically-accessible Universe of Chemically Recyclable Polymers
- arxiv url: http://arxiv.org/abs/2608.00149v1
- Date: Fri, 31 Jul 2026 16:46:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.523769
- Title: A Synthetically-accessible Universe of Chemically Recyclable Polymers
- Title（参考訳）: 化学リサイクル可能な高分子の合成可利用宇宙
- Authors: Anagha Savit, Wei Xiong, Harikrishna Sahu, Shivank S. Shukla, Will R. Gutekunst, Rampi Ramprasad,
- Abstract要約: 合成により実現可能なROP高分子構造のデータセットを100万個提示する。
このデータセットが、下流の持続可能なアプリケーションにとって貴重なリソースになることを期待しています。
- 参考スコア（独自算出の注目度）: 3.372436126814566
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Polymers synthesized via ring-opening polymerization (ROP) of cyclic monomers represent an important class of materials due to their chemical recyclability and possible insertion in several critical applications. We present a dataset of 1 million synthetically realizable ROP polymer structures generated through a combination of Virtual Forward Synthesis (VFS) and polymer expert language models and qualified by stringent chemical heuristics. VFS is used to generate ROP polymers by applying known reactions to existing monomers. The polymer foundation models polyBART and POLYT5 further enable the generation of ROP candidates, with polyBART exploring its learned latent space and POLYT5 producing candidates via sequence-to-sequence generation. The resulting ROP polymers are subjected to robust filtering criteria to ensure novelty, validity and overall data quality through a combination of automated validation pipelines and a comprehensive set of chemist-informed heuristic rules introduced in this work for the first time. We hope that this dataset will serve as a valuable resource for downstream sustainable applications.
- Abstract（参考訳）: 環状モノマーの環開重合(ROP)により合成されたポリマーは、その化学的リサイクル性といくつかの重要な用途に挿入可能であるため、重要な種類の材料である。
本稿では, 仮想フォワード合成(VFS)と高分子専門家言語モデルを組み合わせて生成した100万個の合成実現可能なROPポリマー構造のデータセットについて述べる。
VFSは、既存のモノマーに既知の反応を適用することにより、ROPポリマーを生成するために用いられる。
ポリマー基礎モデルであるポリBARTとポリT5は、さらにROP候補の生成を可能にし、ポリBARTはその学習された潜伏空間を探索し、PolyT5はシーケンス・ツー・シーケンス生成によって候補を生成する。
得られたROPポリマーは、自動検証パイプラインと、この研究で導入された包括的な化学インフォームドヒューリスティックルールの組み合わせにより、新規性、妥当性、および全体的なデータ品質を確保するために、堅牢なフィルタリング基準を課される。
このデータセットが、下流の持続可能なアプリケーションにとって貴重なリソースになることを期待しています。
関連論文リスト
- Periodic Topological Deep Learning for Polymer Design and Discovery [2.9165586612027234]
本稿では, 周期的ビエトリス・リップス錯体上に構築された深層学習フレームワークである Periodic-TDL について紹介する。
周期的TDLは、電子的、光学的、物理的、熱的ターゲットにまたがるポリマー特性予測タスクにおいて、最先端の全てのモデルより優れている。
論文 参考訳（メタデータ） (2026-05-26T10:51:49Z) - PolyJarvis: LLM Agent for Autonomous Polymer MD Simulations [49.024137619510526]
我々は,大規模な言語モデル(LLM)とRadonPyシミュレーションプラットフォームを結合するエージェントであるPolyJarvisを紹介する。
ポリマー名またはSMILES文字列が与えられた後、PolyJarvisはモノマーの構築、電荷割り当て、重合、力場パラメータ化、特性計算を自律的に実行する。
その結果, APS, PMMAの基準値の17～24%は0.1～4.8%, バルク変調率で, 密度予測は17～24%であった。
論文 参考訳（メタデータ） (2026-04-02T21:43:35Z) - PolyAgent: Large Language Model Agent for Polymer Design [10.596902977676807]
初期高分子発見のための端末に, 閉ループ型高分子構造予測器を組み込んだ。
このフレームワークは、プロパティ予測、プロパティ誘導ポリマー構造生成、構造修正機能を提供するためにLLM推論を利用する。
論文 参考訳（メタデータ） (2026-01-23T00:17:52Z) - Breaking the Modality Barrier: Generative Modeling for Accurate Molecule Retrieval from Mass Spectra [60.08608779794957]
本稿では,ジェネレーティブ言語モデルに基づく検索フレームワークであるGLMRを提案する。
検索前の段階では、比較学習に基づくモデルでは、上位候補分子を入力質量スペクトルの文脈的先行として識別する。
生成検索段階において、これらの候補分子は入力質量スペクトルと統合され、精製された分子構造を生成するための生成モデルが導かれる。
論文 参考訳（メタデータ） (2025-11-09T07:25:53Z) - Unifying Polymer Modeling and Design via a Conformation-Centric Generative Foundation Model [29.414571977709098]
ポリコンFM(PolyConFM)は、コンフォメーション中心の事前学習を通じて高分子モデリングと設計を統合するための基礎モデルである。
本研究では, 分子動力学シミュレーションによる初の高品質ポリマーコンホメーションデータセットを構築し, データの分散を緩和する。
実験により、PolyConFMは様々な下流タスクにおいて、代表的タスク固有のメソッドよりも一貫して優れていることが示された。
論文 参考訳（メタデータ） (2025-10-15T17:11:44Z) - PolyConf: Unlocking Polymer Conformation Generation through Hierarchical Generative Models [28.480039088875635]
PolyConfは、高度に調整されたポリマーコンホメーション生成法である。
我々は、ポリマー配座を一連の局所配座に分解し、自己回帰モデルを通してこれらの局所配座を生成する。
次に、拡散モデルを用いてそれらの配向変換を生成し、それらを完全なポリマー配座に組み立てる。
論文 参考訳（メタデータ） (2025-04-11T07:12:02Z) - BatGPT-Chem: A Foundation Large Model For Retrosynthesis Prediction [65.93303145891628]
BatGPT-Chemは150億のパラメータを持つ大規模な言語モデルであり、再合成予測の強化に最適化されている。
我々のモデルは幅広い化学知識を捉え、反応条件の正確な予測を可能にする。
この開発により、化学者は新しい化合物を十分に扱うことができ、医薬品製造と材料科学の革新サイクルを早める可能性がある。
論文 参考訳（メタデータ） (2024-08-19T05:17:40Z) - Compositional Representation of Polymorphic Crystalline Materials [56.80318252233511]
PCRLは,構成の確率論的モデリングを用いて,利用可能な構造情報から多型を抽出する手法である。
16のデータセットに対する広範囲な評価は、構成表現の学習におけるPCRLの有効性を示す。
論文 参考訳（メタデータ） (2023-11-17T20:34:28Z) - Retrieval-based Controllable Molecule Generation [63.44583084888342]
制御可能な分子生成のための検索に基づく新しいフレームワークを提案する。
我々は、与えられた設計基準を満たす分子の合成に向けて、事前学習された生成モデルを操るために、分子の小さなセットを使用します。
提案手法は生成モデルの選択に非依存であり,タスク固有の微調整は不要である。
論文 参考訳（メタデータ） (2022-08-23T17:01:16Z) - Copolymer Informatics with Multi-Task Deep Neural Networks [0.0]
コポリマーの性質予測の課題に取り組み、ホモポリマーを超えてポリマーインフォマティクスフレームワークを拡張します。
2つのモノマーのホモポリマーと共重合体のガラス転移、融解、分解温度の18,000以上のデータポイントを含む大きなデータセットを用いる。
開発されたモデルは、適切なデータが利用可能になったときに、よりコポリマー特性に正確、迅速、柔軟、スケーラブルです。
論文 参考訳（メタデータ） (2021-03-25T23:28:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。