Çalışma, NIMS'te ( National Institute for Materials Science- Japonya ) bulunan dünyadaki en büyük polimer veritabanı olan PoLyInfo'dan elde edilen polimerik özelliklerden oluşan bir veri seti üzerinde yapıldı. Boyutuna rağmen, PoLyInfo polimerlerin ısı transfer özellikleri hakkında sınırlı miktarda veri içermektedir. Isı transfer özelliklerini verilen sınırlı verilerden tahmin etmek için, proxy özellikleri üzerindeki ML modelleri, ilgili görevlerde yeterli verilerin bulunduğu yerlerde önceden eğitildi. Bu tür makineyle elde edilen özelliklerin hedef görevde yeniden konumlandırılması, çok küçük veri kümelerinde bile olağanüstü tahmin performansı sağladı.( çok daha az deneyimli işler için bile rasyonel çıkarımlar konusunda oldukça deneyimli insan uzmanlarının çalışmalarından farklı olarak ) Ekip, bu modeli daha önce Ryo Yoshida (Profesör ve İstatistiksel Matematik Enstitüsü [ISM], Bilgi ve Sistemler Araştırma Teşkilatı, Yaratıcı Tasarım ve İmalat Veri Bilim Merkezi Müdürü) ve meslektaşları tarafından geliştirilen iQSPR algoritması olarak adlandırılan hesaplama moleküler tasarımı için özel olarak tasarlanmış bir ML algoritmasıyla birleştirdi.

Bu tekniğin uygulanması ile, ümit vaat eden “sanal” polimerlerin tanımlanması başarı ile sağlandı.

Büyük polimer havuzundan, sentez ve işleme kolaylığı temelinde üç polimer seçildi. Testler, yeni polimerlerin metre-Kelvin (W / mK) başına 0,41 Watt'a kadar yüksek bir termal iletkenliğe sahip olduğunu doğruladı. Bu rakam, 1950'lerden bu yana, yakıt hücrelerinden pişirme kabına kadar çeşitli uygulamalar için kitlesel olarak üretilen, yaygın olarak kullanılan bir polimer grubu olan tipik polimidlerden yüzde 80 daha yüksektir.

Hesaplamalı olarak tasarlanmış polimerlerin ısı transfer özelliklerini doğrulayarak, çalışma, malzeme tasarımı için hızlı, düşük maliyetli, ML destekli yöntemler için önemli bir buluşu temsil etmekte. Ayrıca çalışma, ekibin veri bilimi, organik sentez ve ileri ölçüm teknolojilerindeki multidisipliner uzmanlığını göstermektedir.

Yoshida, “Polimer veya yumuşak malzeme tasarımı için makine öğrenmesi kullanılması, bu malzemelerin metallerden ve seramiklerden farklı özelliklere sahip olduğundan ve mevcut teoriler tarafından henüz tam olarak tahmin edilmediğinden zor ama umut verici bir yöntemdir. Hesaplama sistemleri gibi birçok yönü araştırmaya devam ediyoruz ” diyor.

Çalışma ekibinden olan Junko Morikawa (Tokyo Teknoloji Enstitüsü [Tokyo Tech], Malzeme ve Kimyasal Teknoloji Fakültesi Öğretim Üyesi), "5G döneminin ötesine geçen uygulamalar için yeni nesil polimerik malzemeler tasarlamak için ML güdümlü yüksek verimli bir hesaplama sistemi oluşturmak istiyoruz. Projemiz sayesinde, sadece bilişim bilgisinin gelişimini sürdürmeyi değil, aynı zamanda özellikle fonon mühendisliği alanında, malzeme biliminin temel gelişimine katkıda bulunmayı hedefliyoruz ”diyor.

Kaynak : phys