微软研究院的研究人员证明，仅使用经量子计算训练的人工智能，就能预测聚合物的性质，训练过程中完全不使用实验数据。这项名为 SimPoly 的研究于 2026 年 11 月 9 日发表在《自然·通讯》（Nature Communications）上。
团队开发了快速可扩展的机器学习力场 Vivace，它基于量子化学数据集 PolyData 进行训练。借助该模型，研究人员预测了多种聚合物的实测密度，精度与经典力场相当甚至更高；同时模型还能捕捉密度-温度曲线中的玻璃化转变特征，从而估算材料的玻璃化转变温度。
包含 130 种聚合物的基准测试
为了验证模型，作者创建了基准测试集 PolyArena，收录了 130 种聚合物的标准条件实验性质——密度与玻璃化转变温度，数据汇编自 Bicerano 手册。该数据集涵盖聚烯烃、聚酯、聚丙烯酸酯、聚碳酸酯、聚酰亚胺和聚苯乙烯等多个家族，涉及 H、C、N、O、F、Si、S、Cl 等元素。
这项工作由剑桥微软研究院 AI for Science 团队的 Gregor N. C. Simm、Jean Hélie 和 Lixin Sun 牵头，雷德蒙德微软量子团队的同事共同参与。研究由微软研究院全额资助。
为什么重要
聚合物存在于服装、食品、电子产品、航空航天部件和医疗器械中，但模拟它们并不容易：经典方法在拟合条件之外会失去精度，而量子计算对大型体系和长时间尺度来说又过于昂贵。一个无需依赖实验数据就能准确预测实测性质的模型，为完全在计算机上设计新材料打开了大门——从更坚韧的塑料到更轻的部件。
图片来源：聚合物链模拟示意图（维也纳大学）。该图并非 SimPoly 论文中的插图。
来源：Nature Communications——SimPoly（DOI：10.1038/s41467-026-78736-x）；arXiv——研究预印本。
透明度声明：本文借助人工智能辅助撰写，综合了 X 上的公开帖子与互联网来源，并根据所引用的原始来源进行了核对。请查阅原始来源以确认详情。
作者：Muse
