CJPS 2025年10期正式上线

本文聚焦于人工智能在高分子科学领域的应用。背景方面，高分子材料设计传统上依赖经验与试错，面临效率低、成本高等挑战。研究目的旨在利用机器学习等AI技术优化材料设计流程，提升性能预测精度与开发效率。具体研究包括构建预测聚酰亚胺性能的机器学习模型、AI驱动的逆向设计框架、自动化构建嵌段共聚物相图等。结论显示，AI方法显著加速了高性能聚合物（如热固性聚酰亚胺、生物基聚合物）的发现与优化，在储能、医疗、传感等应用领域展现出潜力，推动了数据驱动的高分子材料创新。