聚合物膜在工业中通常用于分离气体，例如烟气中的二氧化碳和天然气中的甲烷。几十年来，研究人员一直在研究各种聚合物以提高它们的渗透性和实用性，但在以快速有效的方式测试它们时遇到了障碍。
为了解决这个缺点，康涅狄格大学的研究团队展示了一种可推广的、准确的机器学习（ML）实施，用于发现具有理想性能的创新聚合物。具体来说，多任务 ML 模型根据实验数据进行训练，以将聚合物化学与 He、H2、O2、N2、CO2 和 CH4 的气体渗透率联系起来。
然后，该团队筛选了超过 900 万种假设聚合物，并确定了数千种远高于当前性能上限的聚合物，其中包括数百种前所未见的超渗透聚合物膜，其 O2 和 CO2 渗透率分别大于 10^4 和 10^5 Barrers。
该研究以「Machine learning enables interpretable discovery of innovative polymers for gas separation membranes」为题，于 2022 年 7 月 22 日发布在《Science Advances》。
