机器学习预测聚合物材料防污性能——推荐一个分子模拟综合实验

引用本文: 张恒, 马莹, 苑世领. 机器学习预测聚合物材料防污性能——推荐一个分子模拟综合实验[J]. 大学化学, 2026, 41(1): 346-353. doi: 10.12461/PKU.DXHX202506015 shu

Citation: Heng Zhang, Ying Ma, Shiling Yuan. Machine Learning-based Prediction of Antifouling Performance in Polymer Materials: An Integrated Molecular Simulation Experiment[J]. University Chemistry, 2026, 41(1): 346-353. doi: 10.12461/PKU.DXHX202506015 shu

机器学习预测聚合物材料防污性能——推荐一个分子模拟综合实验

山东大学化学与化工学院, 济南 250100

通讯作者: 苑世领，E-mail:shilingyuan@sdu.edu.cn

基金项目:
山东省本科教学改革研究重点项目(Z2024043)；山东大学本科教育教学改革研究项目(2024Y119)；山东大学实验室建设与管理研究重大项目(sy20221201)

摘要: 本文设计了一个通过机器学习方法预测聚合物材料防污性能的综合型分子模拟实验，通过搜集文献已有的聚合物结构-防污性能数据，结合分子模拟计算分子描述符，采用多种机器学习方法包括遗传函数近似、神经网络模型、多重线性回归和偏最小二乘回归分析等构建聚合物防污材料的结构性能关系模型，并对几种模型的预测能力和拟合优度进行评价。通过本实验，学生可初步掌握机器学习的基本原理和操作方法，了解海洋防污材料研究进展，同时培养学生借助机器学习和分子模拟方法解决实际化学问题的能力。

关键词:

English

Machine Learning-based Prediction of Antifouling Performance in Polymer Materials: An Integrated Molecular Simulation Experiment

School of Chemistry and Chemical Engineering, Shandong University, Jinan 250100, China

Corresponding author: Shiling Yuan, shilingyuan@sdu.edu.cn

Received Date: 03 June 2025
Revised Date: 09 September 2025
Available Online: 17 October 2025

Abstract: This study designs a comprehensive molecular simulation experiment for predicting the antifouling performance of polymer materials using machine learning approaches. By compiling existing polymer structure-antifouling performance data from literature and calculating molecular descriptors through molecular simulations, we employ various machine learning methods—including genetic function approximation, neural network modeling, multiple linear regression, and partial least squares regression analysis—to establish quantitative structure-property relationship (QSPR) models for antifouling polymer materials. The predictive capabilities and goodness-of-fit of these models are systematically evaluated. This experiment enables students to acquire fundamental knowledge of machine learning principles and operational techniques, gain insights into recent advancements in marine antifouling materials research, and develop problem-solving skills in chemical applications through the integration of machine learning and molecular simulation methodologies.

Key words:

Machine learning
/ Quantitative structure-property relationship (QSPR)
/ Anti-fouling polymer materials
/ Molecular simulation

1. [1]
  张恒, 王华, 蔺存国, 王利, 苑世领. 化学学报, 2013, No. 4, 649.
2. [2]
  张恒, 胡立梅, 蔺存国, 王利, 苑世领. 高分子学报, 2014, No. 1, 99.
3. [3]
  Zhang, H.; Ma, Y.; Yuan, S. L. Langmuir 2024, 40 (33), 17320.Zhang, H.; Ma, Y.; Yuan, S. L. Langmuir 2024, 40 (33), 17320.
4. [4]
  Zhang, H.; Zheng, J. Y.; Lin, C. G.; Yuan, S. L. Colloids Surf. A: Physicochem. Eng. Asp. 2022, 649, 129466.Zhang, H.; Zheng, J. Y.; Lin, C. G.; Yuan, S. L. Colloids Surf. A: Physicochem. Eng. Asp. 2022, 649, 129466.
5. [5]
  Zhang, H.; Zheng, J. Y.; Lin, C. G.; Yuan, S. L. Molecules 2022, 27 (10), 3074.Zhang, H.; Zheng, J. Y.; Lin, C. G.; Yuan, S. L. Molecules 2022, 27 (10), 3074.
6. [6]
  杜静, 于曦, 马骁飞, 赵温涛. 大学化学, 2024, 39 (11), 65.
7. [7]
  李平, 尹超. 大学化学, 2024, 39 (10), 402.
8. [8]
  谢忻恬, 马思聪, 李晔飞, 商城, 刘智攀. 大学化学, 2025, 40 (3), 140.
9. [9]
  周佳. 大学化学, 2025, 2411067.
10. [10]
  周佳, 钟华英. 大学化学, 2025, 40 (3), 171.
11. [11]
  张恒, 马莹, 刘刚, 张冬菊, 宋其圣, 苑世领. 大学化学, 2019, 34 (9), 26.
12. [12]
  张恒, 贾春江, 宋其圣, 苑世领. 大学化学, 2023, 38 (6), 189.
13. [13]
  张恒, 贾春江, 宋其圣, 苑世领. 化学教育(中英文), 2023, 44 (16), 60.
14. [14]
  张恒, 宋其圣, 贾春江, 苑世领. 大学化学, 2023, 38 (5), 172.
15. [15]
  张恒, 刘刚, 徐政虎, 马莹. 大学化学, 2024, 39 (7), 56.
16. [16]
  张恒, 刘刚, 马莹, 宋其圣, 印志磊, 苑世领. 大学化学, 2019, 34 (11), 82.
17. [17]
  苑世领, 张恒, 张冬菊, 分子模拟. 第2版. 化学工业出版社: 北京, 2022.
18. [18]
  Okuyama, H.; Sugawara, Y.; Yamaguchi, T. ACS Appl. Mater. Interfaces 2024, 16 (19), 25236.Okuyama, H.; Sugawara, Y.; Yamaguchi, T. ACS Appl. Mater. Interfaces 2024, 16 (19), 25236.

扫一扫看文章

计量

PDF下载量: 0
文章访问数: 34
HTML全文浏览量: 11

通讯作者: 陈斌, bchen63@163.com

1.
沈阳化工大学材料科学与工程学院沈阳 110142

机器学习预测聚合物材料防污性能——推荐一个分子模拟综合实验

通讯作者: 苑世领，E-mail:shilingyuan@sdu.edu.cn

English

Machine Learning-based Prediction of Antifouling Performance in Polymer Materials: An Integrated Molecular Simulation Experiment

Corresponding author: Shiling Yuan, shilingyuan@sdu.edu.cn

CCS Chemistry：嵌段共聚物自组装成 “三明治”二维有机材料，实现纳米级压力传感功能

CCS Chemistry：颜徐州、鲍哲南：你的皮肤可能是一片SPMs

CCS Chemistry：工作高效不疲劳，只须让催化剂动起来

CCS Chemistry：静电组装导向聚合- 聚电解质纳米凝胶量化制备新策略

CCS Chemistry：金黄色葡萄球菌醛基脱氢酶是如何识别特异性底物的？

计量

通讯作者: 陈斌, bchen63@163.com

中国化学会秘书处

机器学习预测聚合物材料防污性能——推荐一个分子模拟综合实验

通讯作者: 苑世领，E-mail:shilingyuan@sdu.edu.cn

English

Machine Learning-based Prediction of Antifouling Performance in Polymer Materials: An Integrated Molecular Simulation Experiment

Corresponding author: Shiling Yuan, shilingyuan@sdu.edu.cn

CCS Chemistry：嵌段共聚物自组装成 “三明治”二维有机材料，实现纳米级压力传感功能

CCS Chemistry：颜徐州、鲍哲南： 你的皮肤可能是一片SPMs

CCS Chemistry：工作高效不疲劳，只须让催化剂动起来

CCS Chemistry：静电组装导向聚合- 聚电解质纳米凝胶量化制备新策略

CCS Chemistry：金黄色葡萄球菌醛基脱氢酶是如何识别特异性底物的？

计量

文章相关

通讯作者: 陈斌, bchen63@163.com

中国化学会秘书处

CCS Chemistry：颜徐州、鲍哲南：你的皮肤可能是一片SPMs