pipette
ENEnglish

SimPoly: Simulation of polymers with machine learning force fields derived from first principles

Gregor N. C. Simm, Jean Hélie, Hannes Schulz, Yicheng Chen, Guillem Simeon, A. N. Kuzina, Ernesto Martínez-Baez, Piero Gasparotto, Gabriele Tocci, Chi Chen, Yatao Li, Lixue Cheng, Zun Wang, Bichlien H. Nguyen, Jake A. Smith, Lixin Sun

Revista con revisión por paresUso en el mundo real

En palabras de los autores

Polymers are a versatile class of materials with widespread industrial applications. Advanced computational tools could revolutionize their design, but the complex, multi-scale nature of polymers poses significant modeling challenges. Classical force fields often lack the accuracy and transferability that polymers demand, while quantum-chemical methods are prohibitively expensive for the large systems and long timescales involved. Here we develop a fast, scalable machine learning force field and show that, trained on quantum-chemical calculations alone, without any experimental data, it predicts measured bulk properties across a broad range of polymers. It reproduces polymer densities as accurately as, or better than, established classical force fields and captures the glass transition signature in the density-temperature curve, enabling the prediction of glass transition temperatures. To accelerate progress in this domain, we release a benchmark of experimental bulk properties for 130 polymers and an accompanying quantum-chemical dataset, laying the foundation for a fully in silico design pipeline for next-generation polymeric materials. The authors develop a machine learning force field trained only on quantum-chemical data that can reproduce measured key polymer properties such as densities and glass transition temperatures.

Resultado principalEl resumen no menciona limitaciones.

En palabras simples Resumen con IA

Los autores crearon un campo de fuerza de aprendizaje automático entrenado solo con cálculos químico-cuánticos. Predice propiedades volumétricas medidas para muchos polímeros diferentes sin usar ningún dato experimental. Iguala o supera a los campos de fuerza clásicos para densidades de polímeros y captura temperaturas de transición vítrea. El equipo publicó un punto de referencia de propiedades experimentales para 130 polímeros y un conjunto de datos químico-cuántico.

Escrito por Kimi K2.5 usando solo el abstract de arriba. Jev verificó que cada oración esté respaldada por las oraciones del abstract que cita y eliminó las que no. Pasá el cursor por una oración para ver de dónde sale.

Apareció: miércoles, 11 de noviembre. Nature Communications. Revista con revisión por pares.

DOI: 10.1038/s41467-026-78736-x