37000gcom威尼斯2023年第37期数理大讲堂

报告题目：基于贝叶斯优化的复杂嵌段共聚物形成新颖结构的反向设计

主讲人： 董庆树博士

主持人： 李士本教授

报告时间：2023年11月16日16：30

报告地点：3B205

摘要：

具有丰富拓扑结构的多嵌段共聚物由于能够自组装成许多新颖的复杂有序结构而受到广泛关注。然而相对于简单的两嵌段共聚物，多嵌段共聚物的可变参数众多，难以对其自组装行为进行全面的研究。尽管人们已经为嵌段共聚物的结构和组分的设计制定了许多指导原则，但在高维参数空间中探索所需结构的稳定区域仍然是一个巨大的挑战。本工作将贝叶斯优化（Bayesian optimization, BO）、快速傅立叶变换辅助的三维卷积神经网络（fast Fourier transform-assisted 3D convolutional neural network, FFT-3DCNN）和自洽场论（self-consistent field theory, SCFT）进行了有机结合，建立了一个全自动的嵌段共聚物反向设计框架，用于在高维参数空间中快速寻找目标新颖结构的稳定相区，如图1所示。本工作以一个ABC型的多嵌段共聚物为例进行研究，选取了三种新颖结构进行演示，结果表明三种新颖结构的稳区均能被高效地找出。本工作推进了反向设计这种新研究范式在嵌段共聚物领域的应用。

专家简介：

董庆树，2018-2021年博士就读于复旦大学高分子科学系，2021年至今在复旦大学高分子科学系从事博士后研究，导师为李卫华教授。报告人自博士以来，主要从事嵌段共聚物自组装理论研究。近期，报告人及所在团队聚焦于引入机器学习方法，辅助研究嵌段共聚物等软物质体系，取得了开创性进展。