美国佐治亚理工学院的研究人员提出了一种化学语言模型——polyBERT，可以前所未有的速度和准确性搜索识别出合适的候选聚合物。该方法超越了目前基于手工指纹方案的聚合物性能预测的最佳概念，在保持准确性的同时，将速度提高了两个数量级，有助于加快聚合物的发现、设计、开发和部署。相关研究成果于2023年7月11日发表在《自然·通讯》杂志上。

研究人员通过枚举组合从13000多种合成聚合物列表中提取化学片段，生成了1亿个假设聚合物的数据集。然后，研究人员使用这个假设的聚合物数据集来训练polyBERT，在训练过程中，polyBERT学习将输入PSMILES字符串转换为其用作聚合物指纹的数字表示。最后，研究人员使用多任务机器学习框架将polyBERT指纹映射到大约36种聚合物属性，以产生完全机器驱动的超快聚合物属性预测器。研究显示，使用polyBERT聚合物信息学管道，能预测1亿种假设聚合物的属性。

信息来源：

https://www.nature.com/articles/s41467-023-39868-6

https://mp.weixin.qq.com/s/stRknP8iwSq5cXQkvKAM8A