Подробное описание документа

   Физически-информированные большие языковые модели для de-novo генерации перспективных полимерных структур / Злобин И. С., Беспалов И. А., Шнайдер М. Ю., Аверочкин Г. М., Александров Е. В. // 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. 49-54.

Разработка новых полимеров с заданными свойствами является ключевой задачей материаловедения. Генеративные модели, успешно применяемые для дизайна малых молекул, сталкиваются с существенными ограничениями при работе с полимерами из-за нехватки данных и неадекватности существующих методов валидации. В данной работе представлена трансформерная модель для генерации полимерных структур, основанная на архитектуре GPT-2. Мы вводим полимер-специфичные критерии валидации (p-validity) и предлагаем методологию оценки на основе расстояния Вассерштейна для сравнения распределений физико-химических дескрипторов. Модель превосходит существующие подходы PI1M и PolyTAO по ключевым метрикам, включая p-validity (0,86±0,01) и соответствие распределений молекулярной массы и других критических свойств реальным полимерным данным. Наша работа предоставляет воспроизводимый бенчмарк и открытые инструменты для дальнейших исследований в области обратного дизайна полимеров