Predicting polymer properties based on wavelet transform and Transformer

doi:10.1016/j.commatsci.2025.114227

Predicting polymer properties based on wavelet transform and Transformer

2025-09-02

0

PRE

AI

DOI：10.1016/j.commatsci.2025.114227

原文链接

原文求助

摘要

En 中文

随着聚合物材料设计的快速发展，传统实验方法和单尺度分子表征在预测玻璃化转变温度（Tg）等聚合物性质方面面临显著局限性。这些局限性包括高昂的实验成本以及对非线性结构特征捕捉不足。为应对这些挑战，本研究提出了一种多尺度融合框架，该框架将小波变换与Transformer深度学习模型相结合，以提高聚合物Tg预测的准确性和鲁棒性。小波变换能够对Morgan指纹进行多级分解，提取低频和高频特征，以增强分子表示的信息密度和抗噪能力。通过引入Transformer模型的自我注意力机制，该框架实现了多尺度特征的有效融合，并捕捉分子结构中的长程依赖关系。此外，引入贝叶斯优化算法以自适应调整小波分解层数和Transformer超参数，显著提升了模型的泛化性能。实验结果表明，所提出的框架在聚酰亚胺Tg预测任务中显著优于传统单描述符模型。本研究为聚合物性质预测中的多尺度特征融合建立了一种新范式，并为复杂聚合物材料的高通量筛选和跨尺度建模提供了方法论基础。

Keyword:

polymer property prediction

wavelet transform

Transformer model

multi-scale feature fusion

Bayesian optimization

Predicting polymer properties based on wavelet transform and Transformer

摘要

期刊

机构

引用论文