[논문 리뷰] Automated High-Throughput Screening of Polymers Using a Computational Workflow

Lois Smith, Samuel Ericson외 4명|arXiv (Cornell University)|2026. 03. 05.

Machine Learning in Materials Science인용 수 0

한 줄 요약

이 논문은 자동 어닐링과 적응 제어를 결합하여 폴리머의 고처리량 계산 스크리닝을 가능하게 하는 자동 워크플로우를 제시하며, 기계학습을 활용해 폴리머 특성을 예측하는 길을 열어준다.

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.

연구 동기 및 목표

• 대량 합성된 폴리머와 제한된 원자 수준 연구 간의 격차를 줄이기 위한 고처리량 계산 스크리닝의 동기 부여.
• 개 human intervention 및 계산 비용을 최소화하면서 재현성을 극대화하는 자동 워크플로우를 개발.
• 기계 학습을 가능하게 하는 폴리머 특성의 대규모 균일 시뮬레이션 데이터셋 생성.

제안 방법

• 자동화된 어닐링 프로토콜을 적응 제어와 통합한다.
• 최소한의 사용자 개입으로 재현 가능한 시뮬레이션을 달성한다.
• 머신 러닝 애플리케이션에 적합한 대규모의 균일한 폴리머 시뮬레이션 세트를 생성한다.
• 계산된 폴리머 밀도와 실험적 유리전이 온도(Tg)의 빠른 ML 기반 예측을 시연한다.

실험 결과

연구 질문

• RQ1 자동화된 적응 어닐링 워크플로우가 비용 절감으로 재현 가능한 고처리량 폴리머 시뮬레이션을 제공할 수 있는가?
• RQ2 균일한 시뮬레이션 데이터셋이 폴리머 특성(예: 밀도, Tg)에 대한 신뢰할 수 있는 머신 러닝 예측기를 가능하게 하는가?
• RQ3 생성된 폴리머 데이터로 계산된 밀도 및 실험 Tg를 예측하는 데 ML을 사용하는 것이 가능성 있는가?

주요 결과

• 자동 워크플로우가 광범위한 폴리머 라이브러리의 신속하고 효율적인 스크리닝을 가능하게 한다.
• 적응 제어와 자동 어닐링이 인간의 개입과 계산 비용을 최소화한다.
• 균일한 시뮬레이션 세트가 특성 예측을 위한 제안된 머신러닝 접근법을 뒷받침한다.
• 논문은 물리적으로 예측된(계산된) 폴리머 밀도와 실험적 Tg의 빠른 ML 기반 방법을 예시로 제시한다.