耶拿大学Adv. Sci.: 人工神经网络预测任意甲基丙烯酸酯的纳米颗粒尺寸

粒径是影响纳米粒子在医学应用（如药物或基因治疗载体）中的可用性和特定靶向的关键因素之一。制备具有限定粒径的纳米颗粒具有很高的挑战性，必须通过反复试验的方法进行许多尝试，这个多维问题注定要使用机器学习（ML）方法来解决。

图1. 预测模型工作流程示意图

在此，德国耶拿大学Ulrich S. Schubert等人设计了一种能够基于聚合物结构、聚合度和配方参数来预测纳米沉淀制备的不同甲基丙烯酸酯纳米颗粒尺寸的模型。该模型可以分为两个通用部分：图卷积网络 (GCN) 和全连接神经网络 (FCNN)。

首先，将结构数据转换为节点特征图表示，然后将其输入到多层GCN中。在每一层中，每个节点的特征都通过对连接节点的特征向量应用卷积核而创建的新特征向量进行更新。

通过不同的池化函数进行池化之后，得到的固定大小的向量与额外的输入数据一起传递到一个FCNN中，该网络对所需的任务（例如，粒子大小）进行回归。

图2. 数据预处理和ML模型训练

此外，与分子数据的经典图表示相比，作者建立的将聚合物转换为圆形简化图表示的方法将计算量降低了几个数量级。预测结果的误差小于10%，即使对于目前未知的结构也是如此，这证明了ML方法在聚合物科学中性质预测的巨大潜力。

此外，该模型结构以通用的方式设计，理论上可以将其重复用于任何类别的线性聚合物作为输入，结合任意数量的附加数值实验输入来预测不同的属性值。通过使用该模型，无需对材料特性进行大量的初步测试，就可以在配方优化中节省大量时间和资源。

图3. 预测结果概览

Prediction of Nanoparticle Sizes for Arbitrary Methacrylates Using Artificial Neuronal Networks, Advanced Science 2021. DOI: 10.1002/advs.202102429

原创文章，作者：科研小搬砖，如若转载，请注明来源华算科技，注明出处：https://www.v-suan.com/index.php/2023/10/15/374dd2af1f/

耶拿大学Adv. Sci.: 人工神经网络预测任意甲基丙烯酸酯的纳米颗粒尺寸

相关推荐