傳統(tǒng)的化工行業(yè)如高分子材料研發(fā)面臨著研發(fā)周期長、實驗成本高、材料結構-性能關系復雜，以及市場需求動態(tài)變化等痛點。數(shù)字化轉(zhuǎn)型通過引入人工智能和計算建模等先進技術，為行業(yè)變革提供動力。這些工具可以通過虛擬實驗加速創(chuàng)新，從而縮短研發(fā)周期。數(shù)字化轉(zhuǎn)型帶來的數(shù)據(jù)分析能力可以從大量數(shù)據(jù)挖掘潛在規(guī)律來增強決策從而降低新材料的研發(fā)風險。從本質(zhì)上講，傳統(tǒng)化工行業(yè)(尤其是聚合物材料研發(fā)領域)數(shù)字化轉(zhuǎn)型的緊迫性在于縮短研發(fā)周期，提高發(fā)現(xiàn)目標材料的效率，并在快速發(fā)展的全球格局中確保競爭力。

由于高分子材料的特性源于不同空間和時間尺度上的相互作用，導致高分子材料的開發(fā)需要對其多級結構和行為具備極深的理解，而目前高分子模擬仿真缺少自動化建模工具，現(xiàn)有建模手段通常需要手動完成，效率低下并且依賴于個人經(jīng)驗，且適用于簡單體系，難以處理支化交聯(lián)并且包含多種單體的高分子材料，難以兼顧模擬尺度和精度。因此，復雜高分子體系的研發(fā)，迫切需要一款能覆蓋“單體-長鏈分子-聚合物”等多尺度的模擬仿真能力的強有力工具。

聚合物結構與性能預測：

      需要研發(fā)滿足某特定功能的新高分子材料時，可以利用性能預測模型快速篩選出具備潛力的單體分子。再利用分子量分布預測方法評估該單體在給定聚合條件下得到的分子量分布，然后基于單體、分子鏈和反應條件進行更準確的性能預測，如果滿足需求則進行實驗驗證，從而顯著的縮小需要搜索的化學空間。最后利用工藝優(yōu)化算法確定最優(yōu)的合成條件從而完成單體-結構-合成條件的研發(fā)流程。

      目前常規(guī)的高分子材料方法依賴于實驗試錯法，即使通過將量化計算方法、計算機建模和人工智能結合起來，開發(fā)了高分子材料研發(fā)平臺，覆蓋單體分子篩選，聚合后分子量預測，力學性能預測和工藝優(yōu)化等環(huán)節(jié)，填補了高分子研發(fā)工具的空白。

      目前，高分子材料在國防航天、電子工業(yè)、汽車工業(yè)、建筑行業(yè)等諸多領域得到了廣泛的應用，已經(jīng)成為人類生產(chǎn)和生活中重要的一部分。而我們開發(fā)的AI輔助研發(fā)平臺覆蓋了分子-結構-工藝-性能四個主要模塊，具有較好的普適性。目前該平臺目標以滿足高分子纖維研發(fā)為主導同時兼顧橡膠和塑料等高分子材料，在同行業(yè)中具備可推廣性。