扫描二维码查看期刊主页和文章原文
文章引用：
Liu Z, Huo Y, Chen Q, et al.Predicting the glass transition temperature of polymer based on generative adversarial networks and automated machine learning. MGE Advances.2024; 2(4): e78.
https://doi.org/10.1002/mgea.78
文章摘要
溶液聚合丁苯橡胶（SSBR）在高性能轮胎设计及其他领域具有广泛应用。本研究旨在建立一种定量结构-性能关系（QSPR）模型，将 SSBR 的玻璃化转变温度与其结构性质联系起来。我们汇总了文献中68组数据，用于开发一种针对SSBR结构设计和合成的小样本预测机器学习模型。为解决小样本问题，提出了一种新的机器学习框架：结合生成对抗网络（GAN）和基于树的管道优化工具（TPOT）的框架。利用GAN生成额外样本，这些样本与原始数据集的分布相匹配，从而扩展数据集规模。使用 TPOT 自动化工具来寻找最佳模型及参数组合，从而为混合数据集创建一个最优预测模型。通过 GAN 扩展数据集并结合 TPOT 回归模型，显著提升了模型性能，将R²值从0.745提高至0.985，均方根误差（RMSE）从7.676降低至1.569。GAN-TPOT 框架展示了生成模型与自动化机器学习结合在材料科学研究中的潜力。该方法加速了研发过程，提升了预测与设计的精度，并为该领域引入了新的视角与可能性。
文章简介
图1. GAN总体框架结构图。
图2. 6种机器学习模型在不同数量混合样本上的评价结果的比较。
图3. GAN-TPOT工作流程图。
作者介绍
通讯作者
崔丽鸿，教授，北京化工大学数理学院信息与计算科学系主任。主要从事小波分析理论算法及其在复杂数据处理、图像去噪等方面的研究工作，发表相关论文60余篇，近年主要致力于基于大数据驱动的稀疏信号的表示理论、机器学习算法及在材料科学和医学中的应用。
刘军，北京化工大学材料科学与工程学院有机无机复合材料国家重点实验室教授，博士生导师。研究领域为高分子基纳米复合材料基因组计划–高通量计算机模拟、高通量实验与数据库；高导电与高导热高分子纳米复合材料的设计、结构与性能研究；智能高分子纳米复合材料（自修复、形状记忆、自组装）的设计、结构与性能研究；高性能水凝胶与气凝胶高分子复合材料的计算机模拟与实验研究。
第一作者
刘占婕，北京化工大学数理学院硕士研究生。主要研究方向为机器学习和小波方法在高分子材料性能预测中的应用研究。
《材料基因工程前沿（英文）》简介
《材料基因工程前沿（英文）》（Materials Genome Engineering Advances，简称：MGE Advances）作为材料基因工程领域首个高水平综合性学术期刊，其宗旨是面向国家重点战略布局与材料学科国际学术前沿发展的重大需求，聚焦材料基因工程领域，刊载先进材料计算、高通量/自动化/智能化材料实验技术、材料数据库与大数据技术等材料基因工程关键技术的研究进展和前沿成果，以及三者在材料新效应/新原理探索和新材料发现等方面的重要应用，创建一个跨学科多领域交叉融合的国际一流高水平出版平台和学术交流平台，推动新材料研发模式变革。
2022年入选“中国科技期刊卓越行动计划高起点新刊项目”。
2024年入选北京市科委“2024支持高水平国际科技期刊建设-强刊提升”项目。
2024年被世界五大文献检索系统之一的开放获取期刊目录DOAJ收录。
《材料基因工程前沿（英文）》以全OA开放获取模式，在国际出版平台Wiley Online library全文数字化上线出版。期刊采用国际先进的单篇优先出版模式，实现了最新学术成果的及时快速优先发表并高效广泛地传播给全球读者，提升了期刊的可见度和传播效率。
2026年之前投稿免APC （Article Publication Charge）
期刊主页
特刊征稿
投稿方向
投稿指南
微信公众号｜mgea2023
欢迎关注！
Materials Genome Engineering Advances编辑部
地址: 北京海淀区学院路30号
邮箱: mgeadvances@ustb.edu.cn
电话: (+86) 010-6233 3882
期刊网址:
https://onlinelibrary.wiley.com/journal/29409497
科研云
线上直播/精品课程
资讯追踪/期刊速递/科研工具
