Подробное описание документа

Аверочкин Г. М.
   Машинное обучение с физически обоснованными интерпретируемыми дескрипторами для предсказания свойств полимеров и дизайна мономеров / Аверочкин Г. М. // Цифровое материаловедение : сборник статей 2-ой Всероссийской научно-практической конференции (Москва, 24 - 25 ноября 2025 года) / МГТУ им. Н. Э. Баумана (национальный исследовательский университет). - М., 2025. - С. 5-10.

Надежное предсказание свойств полимеров по структуре мономера требует дескрипторов, которые обеспечивают точность и интерпретируемость прогнозов. В данной работе мы представляем физически обоснованную QSPR-концепцию, объединяющую атомные Ван-дер-Ваальсовы объемы, подсчет фрагментов, статистику связей, квантовохимические характеристики и отобранные дескрипторы RDKit. Используя мономеры из базы данных PolyInfo и соответствующие свойства полимеров: плотность, температуру стеклования, плавления и термического разложения, была достигнута высокая точность моделей регрессии гауссовых процессов (R² до 0,89). Анализ причинных связей выявил дескрипторы Ван-дер-Ваальсовых объемов как определяющие структурные факторы, в то время как анализ SHAP показал согласованную роль ароматичности, полярности и гибкости молекулы. По сравнению с традиционными признаками RDKit, наши дескрипторы обеспечивают существенно более высокую интерпретируемость и дают практические ориентиры для рационального проектирования мономеров. Для воспроизводимой и интерпретируемой работы в области полимерной информатики создан открытый веб-инструмент для фичеризации мономеров и предсказания свойств полимеров