お問合せ 掲載依頼 プライバシーポリシー
HOME > Polymer Property Predictor and Database

Polymer Property Predictor and Database

Polymer Property Predictor and Database は、高分子インフォマティクスを支援するために開発されたデータリソースであり、学術論文から自動抽出された大量の高分子物性データを提供する。本プロジェクトでは、確立された理論および機械学習モデルを用いて、高分子―高分子系および高分子―溶媒系を対象とした解析を行い、Flory–Huggins の χ パラメータ、その関連グラフ、ガラス転移温度 、ならびに臨界溶解度クラウドポイントなどの物性値を取得している。本データベースは、高分子インフォマティクスおよび文献からの高分子データ自動抽出を加速するとともに、新たなデータマイニングおよび機械学習パイプラインの開発に向けたテストベッドとして機能する。本プロジェクトは、Center for Hierarchical Materials Design（CHiMaD）、米国国立標準技術研究所（NIST）、および米空軍研究所（AFRL）による共同研究として実施されている。

  • 基本情報
  • 事例・論文
  • 学習コンテンツ
  • レビュー
  • 開発者の声

基本情報

公式サイト https://pppdb.uchicago.edu/
公開度 ★★★
マニュアルページ https://pppdb.uchicago.edu/howto
ライセンス

研究目的に限り無償利用可。
本 Web サービスは、研究および非営利目的に限り無償で利用可能である。コンテンツおよびツールの著作権はシカゴ大学に帰属する。
開発者

データベースの主な開発は、シカゴ大学 プリツカー分子工学スクールの de Pablo グループによって行われている。主な貢献者は以下の通りである。

  • Juan J. de Pablo（シカゴ大学 プリツカー分子工学スクール）
  • Jeffrey G. Ethier（米空軍研究所）
    ※ 主に予測に用いられる機械学習モデルの開発を担当
対応OS・利用環境

Chrome、Firefox、Safari などの最新の Web ブラウザから利用可能である。
関連論文

文献からのガラス転移温度データの自動抽出に関する研究：

  • R. B. Tchoua et al.,
    “Towards a Hybrid Human-Computer Scientific Information Extraction Pipeline,”
    2017 IEEE 13th International Conference on e-Science (e-Science),
    Auckland, New Zealand, 2017, pp. 109–118,
    doi:10.1109/eScience.2017.23

クラウドポイント温度を推定する人工ニューラルネットワーク（ANN）に関する研究：

  • Ethier, Jeffrey G. et al.,
    “Deep Learning of Binary Solution Phase Behavior of Polystyrene,”
    ACS Macro Letters 2021, 10, 749–754,
    doi:10.1021/acsmacrolett.1c00117
  • Ethier, Jeffrey G. et al.,
    “Predicting Phase Behavior of Linear Polymers in Solution Using Machine Learning,”
    Macromolecules 2022, 55 (7), 2691–2702,
    doi:10.1021/acs.macromol.2c00245