新材料是高新科技和高端制造业发展的基石，而工业技术的不断发展对材料性能提出了越来越高的要求. 但是，新材料的研发往往滞后，无法及时满足应用要求. 为了加快材料研发，结合现有的实践经验，2011年，研究者提出了新的材料研发模式——材料基因组. 我国科技部于2015年启动了“材料基因工程关键技术与支撑平台”，重点扶持材料基因组的研究
截至目前，材料科学研究先后经历了经验驱动、理论驱动、计算驱动和大数据驱动等4种范式，如所示[2]. 第一范式(经验科学) 是实验试错法的核心，它基于研究者在过去实验中所积累的经验开展研究工作. 第二范式(理论科学)则通过整理归纳过去经验来发现科学定律与理论，以此来解释新问题，发现新材料，是提高实验试错法效率的理论基础. 第三范式(计算科学)则利用计算机模拟原子或分子的微观状态，结合热力学和动力学理论获取宏观性能. 这种计算方法常用于研究实验上难以直观表征的领域，如观测原子、分子在量子尺度和介观尺度上的运动. 第四范式(数据驱动科学)则是由算法对大量数据进行智能分析并寻找数据间内在联系的研究方式. 与第二、第三范式不同，第四范式的任务是从已有实验数据出发，对未知的数据进行推断和预测. 这4种范式各具特点又紧密联系. 在它们共同作用下，各种新材料不断涌现，有力地支撑着科学技术的发展. 目前，以经验或理论为指导的实验试错法依旧是开发新材料的主要方式，它往往需要不断地尝试和反复实验来探索较为广阔的化学结构空间，从而导致漫长的材料研发周期. 而以第四范式为核心，辅以前3种范式的材料基因组将理论计算、数据库技术、人工智能和实验有机结合，在付诸实验前通过计算机“虚拟合成材料并表征材料性能”，从而达到提高新材料的研发速度，降低研发成本的目的.
与实验试错法不同，材料基因组的研发模式通过“数据技术-理性设计-实验验证”有机结合，显著提高新材料研发效率. 其中，材料的理性设计是研发新材料的关键，也是研究者着重关注的领域. 相较于基于研究者经验和直觉的传统实验试错法，基于材料基因组思想的理性设计通过结合各种性能预测方法和仿真模拟，能更快速地探索更广阔的材料结构空间并以定量的方式比较不同材料的性能，从而无偏见地筛选出未曾被发现或被人忽视的结构. 基于材料基因组思想的理性设计和实验验证由3部分组成(如)：(1)“基因”的定义：以一定的规则，将可能影响材料性能的因素定义为材料的“基因”，如组成高分子的化学基团和元素等. 通过“基因”编辑(即替换现有高分子的片段)或“基因”组合获得一系列“虚拟材料”. (2)性能预测与高通量筛选：创建基于实验或模拟数据的性能预测模型，对“基因”编辑或组合后的“虚拟材料”进行性能预测，并以特定的性能标准进行高通量筛选. (3)实验验证：合成所筛选出的“虚拟材料”，并通过性能表征验证筛选结果的可靠性.
“基因”的定义与所研究的材料的特点紧密相连，是整个材料基因组的基础，“基因”的选择与后续合成的便宜性密切相关.性能预测与高通量筛选则是整个理性设计过程中的核心和关键. 对“虚拟材料”的高通量性能预测(表征)目前大致分为4种方法：(1)通过数据挖掘寻找能代理性能的特征量，或者通过机器学习构建预测模型. (2)发展多尺度的模拟方法，从分子结构出发预测材料性能. (3)基于新兴计算机技术，如GPU(图形处理器)和NPU(嵌入式神经网络处理器)提升运算能力，获得高通量模拟计算方法. (4)发展高通量实验技术，研发高通量实验设备，实现对材料的高通量合成和表征.
虽然目前已有很多成熟方法能够模拟特定尺度上材料的结构和性能，但由于材料在不同尺度上的关联并不明确，构建多尺度模拟方法仍然是一个巨大挑战. 高通量实验涵盖高通量制备技术和高通量表征技术，是对已有实验技术和表征手段加以改进和利用，实现一次性批量样品制备和一次性批量样品表征. 它不仅可以突破传统试错法研究框架，实现材料高效制备，而且可以短时间内获取大量实验样品并表征性能，为数据挖掘和机器学习提供数据支撑. 自1970年Hanak采用多成分拼接共溅射方法制备二元和三元超导材料后，高通量制备技术快速发展，但主要集中在金属领域[3]. 高通量制备需要配备高通量制备技术来快速分析大量样品，但高通量材料表征技术却发展相对困难. 本质上，高通量实验的进步根源在于开发出更先进实验技术和表征手段. 与高通量实验类似，高通量模拟的进步根源在于开发出更高算力的硬件和更高计算效率的软件. 4种方法中，基于数据挖掘寻找代理量的方法或基于机器学习创建预测模型的方法是当前实现性能预测和高通量筛选最为可行的方法.
材料基因组已经成功应用在高性能合金材料[4~7]、无机非金属材料[8~10]、有机小分子材料[11,12]等领域. 相较于金属、无机非金属和有机小分子材料，高分子材料具有更大、更复杂的材料参数空间，如高分子链构造、构型、构象和聚集、加工方式及加工条件等等. 这些因素都将对高分子材料的性能产生巨大影响，因此建立高分子材料的构效关系，提取决定其性能的“基因”将是更为困难的挑战，这一切制约了材料基因组在高分子材料领域的应用和发展.
本文将介绍性能预测方法之一——“通过数据挖掘寻找能代理性能的特征量或机器学习构建预测模型”在突破高分子复杂性对材料基因组约束，实现理性设计高分子材料上的进展. 本文分3部分，前两部分分别介绍利用代理量方法和机器学习模型筛选高分子材料的进展，最后探讨高分子材料基因组的主要发展方向和所面临的主要挑战.
从理论计算和模拟出发，直接构建材料结构和宏观性能之间的构效关系仍然是一个巨大的挑战. 基于此困境，提取能代表所需性能/性质的、可计算的微观或宏观特征量作为性能代理量，将无法通过理论计算获得准确值的宏观性能转化为可计算的代理量，并通过代理量的比较来筛选获得高性能高分子材料不失为一种合理的策略.
例如：随着工业不断发展，对高能量密度电容器的需求越来越旺盛，对电介质材料的性能要求也越来越高. 相较于陶瓷材料，高分子材料成本更低，柔韧性更好，已成为广泛使用的商用电介质材料. 然而，高分子材料的介电常数较小，仍有改进的空间. Ramprasad等用密度泛函理论(DFT)容易计算的高分子带隙替代难以计算的击穿电压和介电损耗，并以密度泛函微扰理论(DFPT)和等效介质理论计算获得的理论介电常数替换宏观介电常数，筛选高分子电介质材料[13]. 他们提出了5步策略用于筛选介电材料结构：(1)构建组合化学空间：将高分子介电材料中常见的7种化学结构(NH、CO、C6H4、C4H2S、CS、O、CH2)作为“基因”，并以其中4个片段构建线性高分子链的重复单元. 通过改变每个片段所代表的“基因”并淘汰不合理的结构，最终获得包含267种候选结构. (2)筛选具有潜力的重复单元：利用DFT、DFPT和等效介质理论计算所有候选结构的能带隙和总介电常数. 以能带隙大于3 eV和总介电常数大于4 eV作为筛选条件，对所有候选结构进行筛选，获得了符合条件的“基因”组合. (3)结构/形态预测：通过USPEX (universal structure predictor evolutionary xtallography) 方法和熔融-淬火分子动力学模拟，预测了符合筛选条件的“基因”组合在低能量状态下的三维结构. (4)性能计算：再次利用DFT、DFPT和等效介质理论计算所有三维结构的能带隙、总介电常数、红外和X射线)合成和表征符合筛选条件的“基因”组合，并从高分子合成的便宜性角度反向指导筛选步骤. 凭借这5步策略，Ramprasad等最终筛选出3种有潜力的组合，分别为―NH―CO―NH―C6H4―、―CO―NH―CO―C6H4―和―NH―CS―NH―C6H4―. 然而，由于这3种组合在溶解性和薄膜加工性能上存在缺陷，直接将它们作为介电材料使用并不现实[14,15]，因此，Ramprasad等合成了主链含有对应结构的聚硫脲[16]、聚脲、聚氨酯[17]和聚酰亚胺[18]. 通过实验合成和表征，他们发现其中2种优选结构的能量密度分别为9.3和15.77 J/cm3，是双轴向聚丙烯的2~3倍. 实验结果证实，通过计算代理量方法筛选获得具备应用潜力的新型储能高分子是可行的.
此外，Ramprasad等利用相同策略[19]：将改性聚乙烯重复单元看作由3个可变单元和1个CH2组成的结构，在7种主链掺杂嵌段“基因”(CH2, SiF2, SiCl2, GeF2, GeCl2, SnF2, SnCl2)中任选3种，嵌入到可变单元中，获得175个改性聚乙烯结构；通过DFT计算这些结构的能带隙和介电常数，最终筛选出了含SnF2或GeF2的、高介电性能的有机金属聚乙烯材料. 进一步的研究揭示，含锡高分子在高介电领域中具备应用潜力[20].
Zhu等开展了含硅芳炔树脂(PSA)方面的设计工作[21,22]. PSA具有优异的耐热性能和固化性能，可作为航空航天用复合材料基体[23~25]. 随着航空航天工业的发展，航空航天工业一方面要求树脂具有越来越高的力学、耐热等使用性能[26]，另一方面又希望降低树脂的固化温度和后处理温度，以便于树脂的加工和复合材料的制备. 然而，材料不同性能之间往往存在复杂的关系. 例如：提高树脂的耐热性能往往也会提高加工温度和黏度，缩小加工窗口. 然而，实验试错法往往难以平衡这几方面相互矛盾的性能，全面提升树脂性能困难重重，付出的时间和费用成本都很大. Zhu等利用材料基因组的概念调和了高热稳定性和低固化能之间的矛盾，通过设计和筛选，获得了具有高热分解温度和低的固化放热焓的PSA[27]. 从合成路线出发，选取二氯二甲基硅烷和含芳香环的二炔为“基因”，通过“基因”组合产生了大量候选PSA结构，作为下一步筛选的化学结构空间(如). 采取两步法，对化学结构空间中的优选PSA结构进行筛选：(1)用树脂中最弱键的解离能(BDE)代理热分解性能，以Si―CH3中的硅碳键的BDE为阈值，通过DFT计算筛选出BDE大于阈值的候选PSA结构. (2)用分子连接指数法计算的零切黏度和以DFT计算得到的能带隙代理加工性能，以零切黏度小于0.5 Pa·s (树脂传递模塑工艺对黏度的要求)且能带隙最小为标准，筛选出命名为PSNP的最佳结构. 实验证实，PSNP固化树脂的5%热分解温度(Td5)为655 ℃，固化放热焓为241.9 J/g，基本达到设计目标.
除了固化放热焓，PSA韧性欠佳的缺点也限制了PSA的进一步应用[28].提高PSA的韧性将是PSA工程应用的关键. 共混作为一种常见的增韧手段，能简单快捷地提升脆性树脂的韧性，但增韧树脂的加入也势必会影响性能，通常很难获得令人满意的效果. 目前，共混改性的PSA树脂往往有着韧性提升不够显著或者耐热性能明显下降的问题[29,30].只有在提升韧性的同时尽可能减少对耐热性能的负面影响，才能使增韧树脂兼具高韧性和高耐热性. 基于此需求，Gao等提出了利用高性能热固性聚酰亚胺(PI)与PSA反应共混，从而增韧PSA树脂的设想，并根据材料基因组概念提出了设计筛选兼具高耐热性和高韧性的PI的新策略[31]. 根据PI结构的特点，Gao等将PI的原材料二酐和二胺作为2类“基因”，将多种二酐和二胺两两组合得到一系列候选PI结构. 此外，Gao等根据本体模量和剪切模量的比值(K/G)与韧性呈正相关的规律(如(a))，提出将K/G作为韧性的代理量. 利用分子连接指数法计算了所有PI结构的Td50和K/G(如(b)和(c))，并将耐热性和韧性归一化处理后以1:1权重进行综合评价(如(d))，从中筛选出了评分最高的结构. 如(e)，以评分最高的结构为主链，Gao等合成出了乙炔基封端的聚酰亚胺(ATPI)，并PSA反应共混制备浇铸体. 相较于纯PSA树。
