精确控制序列定义聚电解质（SDPEs）的单体排列，对于可控仿生聚合物材料的设计和制备至关重要。例如，自然界的生物系统通过精确控制蛋白质和DNA等天然SDPEs的单体排列，实现信息存储和传输。深入理解序列精度的微小变化对材料宏观特性的影响，不仅需借助单分子测量技术，更依赖于理论和计算机模拟技术（如理论方法、物理驱动的模拟技术以及数据驱动的机器学习（ML）等）。中国科学院化学研究所江剑研究员系统评述了理论与计算机模拟技术针对本体溶液和表界面体系SDPEs行为的研究进展，包括液-液相分离、表面极化和表面相互作用力等关键领域。
目前，理论方法主要研究SDPEs的热力学平衡特性，但尚未形成一个完整的理论框架用于直接关联分子层面的结构特征与实验观测性质。因此，对SDPEs复杂凝聚动力学和界面行为的理解仍然有限。此外，物理驱动的模拟技术能够揭示聚电解质体系的动态特性，但面临着精确分子力场难获得、计算成本高等问题的限制。近年来，AI for Science作为一种新兴的科学探索范式，正在推动ML技术在聚合物材料设计领域的应用。上述三种方法更广泛的融合应用将是未来研究的趋势，准确的理论方法和模拟技术为ML模型的开发奠定了坚实的物理基础，反过来ML模型有助于进一步提升理论和模拟技术的性能。例如，机器学习有望优化分子模拟的力场参数，或使用模拟生成的数据来训练更精确的预测模型。同时，理论方法能够为机器学习模型提供必要的物理认识，增强其预测结果的准确性。
该工作为Chinese Journal of PolymerScience“Charged Polymers“专辑的特约文章。
原文信息：
Trends in Sequence-Defined Polyelectrolyte Systems: A Perspective
Chang, Q. H.; Wang, R. C.; Qing, L. Y.; Jiang, J.
Chinese J. Polym. Sci.
DOI:10.1007/s10118-024-3221-6