Machine learning in polymer design and discovery

No Thumbnail Available
Files
Kesete_Kirubel_2024.pdf (409.47 KB)
Journal Title
Journal ISSN
Volume Title
Kemiantekniikan korkeakoulu | Bachelor's thesis
Electronic archive copy is available locally at the Harald Herlin Learning Centre. The staff of Aalto University has access to the electronic bachelor's theses by logging into Aaltodoc with their personal Aalto user ID. Read more about the availability of the bachelor's theses.
Date
2024-05-22
Department
Major/Subject
Biotuotteet
Mcode
CHEM3048
Degree programme
Kemiantekniikan kandidaattiohjelma
Language
en
Pages
32
Series
Abstract
Polymers are present in a wide variety of places, for example, in the pharmaceutical industry, the construction industry, food packaging and the automotive industry. The vast polymer space, complex structures and chemical compositions of polymers, and traditional methods of polymer development cause challenges. Machine learning offers solutions to these challenges that are faced in the traditional polymer development. Recently, there has been an increased interest in the use of machine learning in the design and discovery of materials, especially polymers. This bachelor's thesis has been implemented as a literature review, where machine learning and its basic principles are introduced and the utilization of machine learning in the design and discovery of polymers is discussed. The literature review also mentions some challenges related to machine learning in polymer design and discovery. The bachelor thesis shows that machine learning can be used and has been used to accelerate and save resources in the polymer design and discovery. However, for future steps of polymer informatics there is need for more accessible and computer understandable data sources.

Polymeerejä on läsnä monissa eri käyttökohteissa, esimerkiksi niitä hyödynnetään lääketeollisuudessa, rakennusteollisuudessa, elintarvikepakkauksissa ja autoteollisuudessa. Laaja polymeerien käyttö, polymeerien monimutkaiset rakenteet ja kemialliset koostumukset sekä perinteiset menetelmät kehittää polymeerejä aiheuttavat haasteita. Koneoppiminen tarjoaa ratkaisun haasteisiin, jotka kohdataan perinteisen polymeerikehityksen aikana. Viime aikoina kiinnostus koneoppimisen käyttöön materiaalien, erityisesti polymeerien, suunnittelussa ja etsinnässä on lisääntynyt. Tämä kandidaatintyö on toteutettu kirjallisuuskatsauksena, jossa esitellään koneoppimista ja sen perusperiaatteita sekä käydään läpi koneoppimisen hyödyntämistä polymeerien suunnittelussa ja etsinnässä. Kirjallisuuskatsauksessa mainitaan myös haasteita, jotka liittyvät koneoppimiseen polymeerien suunnittelussa ja etsinnässä. Kandidaatintyö osoittaa, että koneoppimista voidaan käyttää ja sitä on käytetty nopeuttamaan ja säästämään resursseja polymeerien suunnittelussa ja etsinnässä. Kuitenkin polymeeri-informatiikan tulevia vaiheita varten tarvitaan helpommin käytettävissä olevia ja tietokoneella ymmärrettäviä tietolähteitä.
Description
Supervisor
Kontturi, Eero
Thesis advisor
Hasheminejad, Kourosh
Keywords
polymer informatics, machine learning, polymer science, polymers, polymer design and discovery, polymer synthesis
Other note
Citation