AutoDrude框架实现聚合物电解质极化力场端到端学习：仅1.2倍成本复现实验离子电导率
MIT Rafael Gomez-Bombarelli团队在arXiv发布AutoDrude，一个从DFT能量、力与偶极直接参数化可极化Drude力场的可微分框架，无需经验调参、模拟成本仅为固定电荷力场的1.20倍；在PEO-LiTFSI固态聚合物电解质体系上，硬约束模型以17%的平均绝对百分比误差复现实验离子电导率，与最佳经验电荷缩放模型（16%）相当。
机器学习
共 5 页 · B910化工 · AI 化学信息库
机器学习指导设计高介电常数陶瓷：介电常数185、损耗仅0.0005的温度稳定电容器材料
据AZoM报道，一项发表于Nature Electronics的研究用分层机器学习策略指导钨青铜陶瓷的化学共取代设计，获得介电常数185、损耗角正切0.0005、电容温度系数±30ppm/K的温度稳定高介电氧化物，破解电容器微型化中高κ与低损耗、热稳定难以兼得的三难权衡，可应用于射频模块、集成电路与通信系统。
图机器学习加速掺杂ZrO2催化剂筛选：CO2加氢催化剂设计效率大幅提升
丹麦技术大学团队改进基于图的机器学习方法WWL-GPR，引入电子结构与局域环境特征预测掺杂氧化锆表面吸附与过渡态能量，替代昂贵DFT计算，加速CO2加氢掺杂催化剂的筛选。
保结构神经密度泛函实现聚合物电解质离子关联跨尺度预测：四分之一训练量精度反超
Liyao Lyu向arXiv提交论文（10月8日），构建保持空间对称性、热力学可积性与Noether恒等式的神经密度泛函，用于非均匀聚合物电解质的离子关联描述。仅以平面分子动力学数据训练，即可预测更大区域与二维外场下的离子结构，精度优于三种同类架构且训练量仅为其四分之一。
PoreML开源框架发布：3.3TB多孔介质多相流数据集加速机器学习研究
研究团队发布开源框架PoreML，统一多孔介质多相流机器学习的数据生成、训练与评测：含GPU原生格子玻尔兹曼求解器、3.3TB/560次模拟/158546个时间步的数据集及统一评测协议，覆盖CO2封存、燃料电池等应用场景，并对五种主流模型架构进行了系统评估。
机器学习加速高熵合金纳米催化剂筛选：动力学蒙特卡洛为析氢反应选出更多元配方
研究人员在arXiv发布框架，结合机器学习能量预测、热力学蒙特卡洛、贝叶斯优化与动力学蒙特卡洛模拟，对9元素空间中85原子高熵合金纳米颗粒进行析氢反应筛选，发现基于吸附能的静态优化偏向铂富集少组元配方，而动力学评价更青睐成分多元的组成，为催化剂理性设计提供新范式。
仅用带电结构训练的机器学习组合模型加速钠电池高压正极发现，不确定度量化筛选可靠性提升
arXiv预印本（v2于10月3日更新）提出以带电结构数据集训练描述符机器学习模型与神经网络组合，预测钠离子电池正极材料平均电压，并通过不确定度量化提升筛选可靠性，直指钠电正极电压低、能量密度受限的痛点。
卤化物固态电解质界面快离子传输机理揭示：DFT+机器学习分子动力学解析空间电荷层
arXiv 10月2日提交的论文（2610.03821）结合密度泛函理论、缺陷热力学与机器学习分子动力学，研究Li2ZrCl6/Li3YCl6卤化物固态电解质界面：发现界面处的空间电荷层与卤素离子重排共同促进锂离子传输，解释了此前实验观测到的混合两种卤化物电解质电导率提升46%-58%的现象，为全固态电池界面设计提供机理依据。
机器学习硬碳模型揭示钠离子电池负极微结构-输运关系
Imperial College London领衔团队结合机器学习生成的硬碳结构与显式电解液分子动力学模拟，系统刻画了密度0.5-2.0 g/cm3硬碳中钠的存储与输运行为，发现碳密度升高导致孔隙网络可达性下降与石墨化局域有序增强，为钠离子电池负极微结构设计提供定量依据。
机器学习三光谱成像识别油画颜料准确率达99.3%，为艺术品保全提供轻量化无机检测方案
研究人员开发出基于三种光谱照明模式的非侵入式机器学习颜料识别方法，利用可见光、紫外伪色与红外伪色图像的RGB统计特征训练随机森林模型，在200个颜料类别上达到99.3%的准确率，为XRF、拉曼等传统手段提供轻量、低成本的现场替代方案，可应用于涂料分析与颜色质控场景。
BASF安特卫普工厂部署机器学习软测量，实时优化蒸馏过程控制
BASF 安特卫普团队将机器学习模型作为虚拟传感器用于蒸馏过程质量控制，结合西门子 Industrial Edge 边缘部署，使操作员获得近实时质量参数估计，减少对实验室分析的依赖，支撑 APC 高级过程控制策略。
arXiv论文：Autocata自主智能体实现反应网络导向的催化剂自动筛选
9月30日提交至arXiv的论文发布Autocata——知识嵌入的催化剂筛选自主智能体：以200万个催化剂-吸附物结构预训练的Transformer为核心，内置79个吸附物专项生成模型组成的可复用能力注册表，用户以自然语言下达反应目标即可自动解构反应网络并完成候选表面构型生成与筛选。
机器学习框架切入耐冲蚀涂层配方设计：先解决标准化数据集缺口
研究人员提出将机器学习应用于耐冲蚀涂层理性设计的系统方法论，指出现有最大障碍是该领域缺乏标准化、经整理的数据集；工作重点构建分子、组成与工艺参数专用数据集，为预测模型奠基，替代经验试错法，有望加速新配方开发并降低对实体测试的依赖。
机器学习预测AEM电解槽衰减：恒流工况下电压劣化可中期预报
意大利团队9月29日在arXiv发布研究，用LSTM/CNN等模型对阴离子交换膜（AEM）电解槽恒流运行数据进行训练，实现槽电压衰减曲线的中期预测，为绿氢设备寿命管理提供数据驱动工具。
arXiv展望：聚合物信息学迈向'超级智能'，从性质预测到全设计周期决策
9月28日发布于arXiv（2609.34051）的路线图文章系统梳理聚合物信息学的现状与下一步：该领域已从孤立性质预测发展为耦合数据、模型与决策的整合学科，正朝覆盖聚合物设计全周期的'超级智能'演进。
机器学习框架同时预测生物基单体四大性质，乳液聚合替代选型加速
研究人员开发集成机器学习框架，可同时预测生物基单体的链增长速率常数、竞聚率、玻璃化转变温度与水溶性四项关键性质，并整合为统一选型工具，已在涂料与胶粘剂应用中验证。生物基聚合物有望从当前约1%份额增至2035年的4-5%，该工具为石油基单体的可持续替代提供了系统化筛选路径。