9月23日消息，一篇9月22日提交至arXiv（编号2609.27036）的论文发布聚合物性能预测开放基准PolyBench26，由Robert W. Learsch、Nicholas Liesen、Daniel S. Levine、Anna M. Hiszpanski、Evan R. Antoniuk合作完成，主要作者来自美国洛斯阿拉莫斯国家实验室（LANL）。

聚合物性能预测领域长期缺乏开放、标准化的基准，现有资源仅覆盖均聚物等狭窄的聚合物架构，导致不同机器学习方法之间难以严格比较。PolyBench26包含近25万条聚合物-性能数据点，覆盖八种物理性质，数据来源融合实验测量、密度泛函理论（DFT）计算与分子动力学（MD）模拟，并在结构多样性上超越传统均聚物数据集。

基于该基准的系统评测显示，在性能预测中误差最低的模型在不同训练集规模下均保持优势，且对重复单元复杂度增加表现出稳健性——这为此前" leaderboard 排名是否泛化"的争议提供了规模化验证。基准已开源发布。

对工业界而言，聚合物性能预测模型直接服务于涂料、膜材料、电解质、工程塑料等领域的配方加速筛选。一个覆盖实验与计算双源、结构多样的开放基准，可使材料企业与研究组在自建模型时获得可信的第三方评测标尺，降低模型选型风险，也为复杂聚合物设计空间（如共聚物、带官能团重复单元）的生成式设计流程提供统一的评价基础。 （来源：arXiv）