[論文レビュー] Automated High-Throughput Screening of Polymers Using a Computational Workflow

Lois Smith, Samuel Ericson+4 more|arXiv (Cornell University)|Mar 5, 2026

Machine Learning in Materials Science被引用数 0

ひとこと要約

この論文は、自動アニーリングと適応制御を組み合わせることで高スループットなポリマーの計算スクリーニングを可能にする自動ワークフローを提示し、機械学習を用いたポリマー特性予測へ道を開く。

ABSTRACT

High-throughput computational screening of polymers offers a powerful way to address the imbalance between the vast number of polymers synthesised for diverse applications and the relatively small subset that can be studied using atomistic simulations. This work presents an automatic workflow designed to enable the rapid and efficient screening of an extensive polymer library. The workflow integrates an automated annealing protocol with adaptive control, allowing for reproducible simulations with minimal human intervention and minimisation of the computational cost. The availability of a homogenous large set of simulations enables the adoption of machine learning approaches for a variety of tasks. We exemplify this possibility by proposing rapid machine-learning-based method to predict the (computed) polymer density and (experimental) glass transition temperature.

研究の動機と目的

• 莫大なポリマー合成と限られた原子レベル研究のギャップを埋めるべく高スループット計算スクリーニングを動機付ける。
• 人手介入と計算コストを最小化しつつ再現性を最大化する自動ワークフローを開発する。
• 機械学習がポリマー特性を予測できる大規模で均一なシミュレーションデータセットを作成する。

提案手法

• 自動アニーリングプロトコルと適応制御を統合する。
• 最小限のユーザー介入で再現性のあるシミュレーションを実現する。
• 機械学習アプリケーションに適した大規模で均一なポリマーシミュレーション集合を生成する。
• 算出ポリマー密度および実験的ガラス転移温度の迅速なMLベース予測を実証する。

実験結果

リサーチクエスチョン

• RQ1 自動的で適応的なアニーリングワークフローはコストを削減しつつ再現性の高い高スループットのポリマーシミュレーションを提供できるか。
• RQ2 均一なシミュレーションデータセットはポリマー特性（例：密度、 Tg）を予測する信頼性の高い機械学習予測子を可能にするのに十分か。
• RQ3 生成されたポリマーデータから算出密度と実験 TgをMLで予測することの実現可能性はどの程度か。

主な発見

• 自動ワークフローは広範なポリマーライブラリの迅速で効率的なスクリーニングを可能にする。
• 適応制御と自動アニーリングは人手介入と計算コストを最小化する。
• 均一なシミュレーションセットは特性予測の機械学習アプローチを支える。
• 論文は算出ポリマー密度および実験 Tgの迅速なMLベース予測手法を実例として示す。