Artigo | Bayesian Optimization for High-Dimensional Coarse-Grained Model Parameterization: A Case Study on Pebax Polymer

"Nosso trabalho recente, 'Bayesian Optimization for High-Dimensional Coarse-Grained Model Parameterization: A Case Study on Pebax Polymer', apresenta um avanço importante no uso de inteligência artificial para acelerar simulações de materiais complexos. Modelos coarse-grained, que simplificam a descrição molecular para permitir simulações em escalas maiores de tempo e tamanho, dependem de um processo delicado de ajuste de parâmetros. Neste estudo, demonstramos que a otimização Bayesiana, utilizando o método tree-structured Parzen estimator (TPE), pode ser aplicada com sucesso mesmo em modelos de alta dimensionalidade, contendo dezenas de parâmetros. A estratégia mostrou convergência mais rápida e resultados mais consistentes que abordagens tradicionais. Como estudo de caso, parametrizamos um modelo coarse-grained do copolímero Pebax-1657, com interesse para tecnologias de membranas em aplicações ligadas à separação de gases de efeito estufa. Como destaque, a arte científica do trabalho foi selecionada para a capa (front cover) do periódico Journal of Chemical Theory and Computation "

-> O artigo completo pode ser acessado AQUI.