TL;DR
- چکیده:.
- شبیهسازیهای دینامیک مولکولی تمام اتم (MD) میتوانند خواص پلیمر را از ساختار مولکولی پیشبینی کنند،.
- اما اجرای آنها به تخصص تخصصی در انتخاب میدان نیرو،.
چه اتفاقی افتاد
چکیده:. شبیهسازیهای دینامیک مولکولی تمام اتم (MD) میتوانند خواص پلیمر را از ساختار مولکولی پیشبینی کنند،.
اما اجرای آنها به تخصص تخصصی در انتخاب میدان نیرو،. ساخت سیستم،.
تعادل،. و استخراج ویژگی نیاز دارد.
ما PolyJarvis را ارائه میکنیم،. عاملی که یک مدل زبان بزرگ (LLM) را با پلتفرم شبیهسازی RadonPy از طریق سرورهای پروتکل بافت مدل.
(MCP) جفت میکند،. و امکان پیشبینی ویژگی پلیمری سرتاسر از ورودی زبان طبیعی را فراهم میکند.
با توجه به نام پلیمر یا رشته SMILES،. PolyJarvis بهطور مستقل ساخت مونومر،.
تخصیص شارژ،. پلیمریزاسیون،.
پارامترسازی میدان نیرو،. تعادل با شتاب GPU و محاسبه ویژگی را اجرا میکند.
اعتبارسنجی بر روی پلی اتیلن (PE)،. پلی استایرن آتاکتیک (aPS)،.
پلی (متیل متاکریلات) (PMMA) و پلی (اتیلن گلیکول) (PEG) انجام میشود. نتایج پیش بینی تراکم را نشان میدهد در 0.
1--4. 8 ٪ و مدولهای حجیم در 17--24 ٪ از مقادیر مرجع برای aPS و PMMA.
دمای انتقال شیشهای PMMA (Tg) (395 ~ K) با آزمایش در 10--18 ~ کلوین مطابقت دارد،. در حالی که سه پلیمر باقی مانده Tg را 38+ تا 47+ کلوین (در مقایسه با مرزهای آزمایشی.
بالایی) تخمین میزنند. از 8 ویژگی - ترکیب پلیمری با مراجع تجربی مستقیماً قابل مقایسه،.
5 مورد معیارهای پذیرش دقیق را دارند. برای مواردی که فاقد فاز آمورف تجربی مناسب هستند،.
توافق با ادبیات قبلی MD بهطور جداگانه گزارش شده است. خرابیهای باقیمانده Tg عمدتاً به جای خطای عامل به تعصب نرخ خنککننده ذاتی MD مربوط میشوند.
این کار نشان میدهد که عوامل مبتنی بر LLM میتوانند بهطور مستقل جریانهای کاری MD پلیمری را اجرا. کنند و نتایجی مطابق با شبیهسازیهای متخصص را تولید کنند.
محاسبات و زبان (cs. CL); علوم مواد (cond-mat.
mtrl-sci) بهعنوان: (یا v1 [cs. CL] برای این نسخه) https:.
// arXiv-issued DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Alexander Zhao [مشاهده ایمیل] [v1] U32 TC (1675 کیلوبایت).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.