[论文解读] Predicting Adhesive Free Energies of Polymer--Surface Interactions with Machine Learning

Jiale Shi, Michael J. Quevillon+2 more|arXiv (Cornell University)|Oct 6, 2021

Data Visualization and Analytics被引用 9

一句话总结

该论文提出了一种机器学习框架，通过基于20,000种独特聚合物序列在图案化表面上的粗粒度分子动力学模拟训练的支持向量回归（SVR），预测聚合物-表面相互作用的粘附自由能。该方法仅从序列即可实现高精度、低成本的粘附能预测，并成功利用遗传算法指导高亲和力序列的逆向设计，展示了强大的预测准确性和在聚合物材料设计中的实际应用价值。

ABSTRACT

Polymer-surface interactions are crucial to many biological processes and industrial applications. Here we propose a machine-learning method to connect a model polymer's sequence with its adhesion to decorated surfaces. We simulate the adhesive free energies of $20,000$ unique coarse-grained 1D sequential polymers interacting with functionalized surfaces and build support vector regression (SVR) models that demonstrate inexpensive and reliable prediction of the adhesive free energy as a function of the sequence. Our work highlights the promising integration of coarse-grained simulation with data-driven machine learning methods for the design of new functional polymers and represents an important step toward linking polymer compositions with polymer-surface interactions.

研究动机与目标

• 建立聚合物序列与功能化表面粘附自由能之间的定量关联。
• 通过生成包含20,000种独特序列的基于仿真的数据集，克服聚合物-表面相互作用数据缺乏大规模数据库的局限。
• 利用机器学习开发一种快速、准确的代理模型，无需重复昂贵的模拟即可预测粘附自由能。
• 利用由机器学习模型引导的遗传算法，实现具有所需粘附性能的聚合物序列的逆向设计。
• 展示该机器学习工作流程在复杂表面图案上的泛化能力，及其在生物和工业应用中设计功能化聚合物的潜力。

提出的方法

• 通过粗粒度分子动力学模拟，生成20,000种独特一维聚合物序列与四种不同图案化表面相互作用的粘附自由能数据。
• 使用聚合物序列和表面图案特征对支持向量回归（SVR）进行训练，以预测粘附自由能（$\Delta F$）随聚合物序列的变化。
• 训练好的SVR模型作为昂贵模拟的代理模型，可快速预测新序列的$\Delta F$。
• 将遗传算法应用于SVR模型，执行逆向设计，搜索使粘附自由能最大化或最小化的序列。
• 通过将SVR预测的$\Delta F$值与直接分子动力学模拟结果在训练集内和训练集外序列上的结果进行比较，验证模型预测的准确性。
• 将工作流程推广至不同表面图案，并在不同数据规模和表面类型下评估模型性能。

实验结果

研究问题

• RQ1 机器学习模型能否仅从聚合物序列准确预测聚合物-表面相互作用的粘附自由能？
• RQ2 支持向量回归模型在具有不同能量分布的多种表面图案上泛化能力如何？
• RQ3 该机器学习模型在无需全尺度模拟的情况下，能在多大程度上实现高亲和力聚合物序列的高效逆向设计？
• RQ4 当训练数据量减少时，模型能否保持高精度？数据量大小对预测性能有何影响？
• RQ5 将遗传算法与机器学习模型结合，在识别最大粘附性能最优序列方面效果如何？

主要发现

• SVR模型在四种不同表面图案上均表现出高预测精度，预测的粘附自由能与直接分子动力学模拟结果高度吻合。
• 对于训练数据库中的序列（如PS1–PS3），机器学习预测值与MD模拟结果之间的平均绝对误差低于1.5 $k_{\rm B}T$，其中PS3的差异仅为1.111 $k_{\rm B}T$。
• 对于数据库外的序列（PS4），ML预测的$\Delta F_{\rm ML}$为9.359 $k_{\rm B}T$，与模拟得到的$\Delta F$（9.427 $k_{\rm B}T$）非常接近，证实了模型具有强大的泛化能力。
• 遗传算法成功识别出预测粘附自由能最高的序列，且这些序列在模拟分布中排名最前，验证了逆向设计能力。
• 即使在训练数据减少的情况下，模型仍保持高精度，表明其在未来的应用中具备可扩展性和高效性。
• 该框架可实现对聚合物序列的快速、低成本筛选，以获得期望的粘附性能，显著减少了对计算成本高昂的模拟的依赖。