고분자 연구와 머신러닝의 융합

고분자 화학 분야에서 머신러닝(ML)은 화학 구조와 거시적 특성 간의 관계를 규명하고, 특정 특성 개선에 기여하는 화학적 패턴을 식별하는 데 점차 중요해지고 있습니다. 그러나 제한적이고 부적절하게 큐레이션된 데이터셋, 넓은 분자량 분포, 불규칙한 고분자 형태는 ML 적용에 상당한 어려움을 초래합니다. 또한, 기존 수학 모델들은 특정 응용 분야에 맞춰 정교화될 필요가 있습니다. 이러한 문제 해결을 위해 화학자와 수학자 간의 긴밀한 협력이 필수적입니다. 화학자는 연구 질문을 수학적 용어로 명확히 제시해야 하며, 수학자는 특정 응용을 위한 모델을 정교화해야 합니다. 본 리뷰는 이 두 학문 분야를 통합하여 데이터셋 큐레이션의 난제를 다루고, 데이터 가용성을 향상시키는 고분자 합성 및 모델링의 발전을 조명합니다. 이어서 고체 특성, 용액 거동, 복합재 성능 예측에 사용되는 ML 접근법과 약물 전달 및 고분자-생물학 인터페이스와 같은 신흥 응용 분야를 폭넓게 탐색합니다. 본 연구는 FAIR(찾기 가능성, 접근성, 상호운용성, 재사용성) 데이터의 중요성과 고분자 이론 및 데이터 통합의 필요성을 강조하며, 머신-인간 인터페이스에 대한 통찰을 제시합니다.