We present an artificial intelligence-guided approach to design durable and chemically recyclable ring-opening polymerization (ROP) class polymers. This approach employs a genetic algorithm (GA) that designs new monomers and then utilizes virtual forward synthesis (VFS) to generate almost a million ROP polymers. Machine learning models to predict thermal, thermodynamic, and mechanical properties─crucial for application-specific performance and recyclability─are used to guide the GA toward optimal polymers. We present potential substitute polymers for polystyrene (PS) that achieve all property targets with low estimated synthetic complexity.

中文翻译：

---

使用机器学习和遗传算法设计可回收塑料。


我们提出了一种人工智能指导的方法，用于设计耐用且可化学回收的开环聚合 （ROP） 类聚合物。这种方法采用遗传算法 （GA） 设计新的单体，然后利用虚拟正向合成 （VFS） 生成近 100 万种 ROP 聚合物。用于预测热、热力学和机械性能的机器学习模型（对于特定应用的性能和可回收性至关重要）用于指导 GA 实现最佳聚合物。我们提出了聚苯乙烯 （PS） 的潜在替代聚合物，这些聚合物可以实现所有性能目标，并且估计合成复杂性较低。