机器学习辅助聚合物设计已有一系列成功的案例。然而，其在高分子材料领域的应用仍处于初级阶段，其原因在于高分子材料具有结构多尺度、性能影响因素多样、数据集小等特点，这使得高分子材料的机器学习建模存在系列难题亟待突破。特别是聚合物的配方、合成、加工以及性能表征结果受多因素影响，高质量的数据极为稀缺，使得机器学习模型的训练性能和推理可靠性存在一定风险，需要发展新方法解决高分子材料中的小数据问题。

图一 基于化学知识数据增强的图神经网络框架

  近期，中国科学院长春应用化学研究所孙昭艳研究员团队提出并验证了一种基于化学知识的数据增强方案用于提升机器学习模型精度。具体来说，通过利用现成的来自其他聚合物的数据，对聚酰亚胺的化学空间进行补充，弥补了聚酰亚胺数据集中分子结构和链结构较为局限的困境（聚酰亚胺结构主要包括苯环、杂环等刚性结构）。这种巧妙的思路被证明可有效提升模型精度（图二），定性地研究了化学空间分布对模型性能的影响（图三），并给我们一个数据层面的启示：相比于无休止地进行数据挖掘，精制一个具备结构代表性和全面性的化学空间更加重要（数据过多导致的数据冗余反而不利于模型训练）。

图六 筛选出的8种PI的DMA结果

  原文链接：https://pubs.acs.org/doi/10.1021/acs.macromol.4c00508