基于机器学习的聚合物性能预测的开放基准

聚合物性能预测缺乏开放、标准化的基准，无法对机器学习方法进行严格比较，现有资源仅涵盖聚合物结构的一小部分，例如均聚物。我们推出了 Polymer Benchmark 2026 (PolyBench26)，这是一个开放数据集，包含八个物理特性的近 250,000 个聚合物特性数据点，包括来自实验测量、密度泛函理论和分子动力学的数据。该基准支持跨均聚物和交替、随机和嵌段共聚物的四项评估任务：分布特性预测、数据集大小缩放、重复单元复杂性以及转移到保留的聚合物体系结构。我们比较了语言模型、基于图和基于描述符的方法，发现基于图的模型在属性预测中提供了最低的错误，在评估的训练集大小上保留了它们的优势，并且对增加重复单元复杂性保持鲁棒性。 PolyBench26 为日益复杂的聚合物设计空间开发模型提供了可重复的基础。 PolyBench26 基准测试可通过此 https URL 开源获得。