9月3日消息（论文9月2日提交），以Juan J. de Pablo团队为主的跨机构研究者在arXiv发布聚合物原生AI框架HiPoly，瞄准聚合物材料“多尺度层级结构难以统一表征”这一AI材料设计的核心难点。

聚合物是现代技术的核心材料，应用覆盖能源、健康与交通领域。尽管AI在材料发现上进展显著，但聚合物跨多个长度尺度的层级结构——从单体组成、连接方式到序列分布——使其难以被统一且具物理意义地表示。HiPoly基于G2RINS分子表示方法，构建三层级图架构：统一编码随机性的单体间连接、化学组成与序列信息，使完整的聚合物描述可以直接输入模型。框架同时覆盖性能预测与生成式设计两个方向，可对指定性能目标开展聚合物结构反演设计。

与面向小分子的图神经网络不同，HiPoly对聚合物的无规共聚连接与多尺度层级做了原生处理，这使其能够处理真实工业聚合物体系而非理想化链模型。作者包括Ge Sun、Gervasio Zaldivar、Yuan Tian等，通讯作者de Pablo是聚合物模拟与机器学习交叉领域的代表学者，其团队此前在粗粒化建模与量子化学机器学习势方面已有系统积累。

聚合物研发的AI化长期落后于小分子药物与无机晶体，瓶颈正在于表征层。一个能统一处理层级结构的开源框架若被社区采用，有望加速电池隔膜、电解质、轻量化复合材料等方向的虚拟筛选闭环，属于聚合物信息学基础设施层面的进展。 （来源：arXiv）