高分子材料玻璃化转变温度预测与关键因素分析

从聚合物重复单元的 SMILES 出发，构建化学描述符预测玻璃化转变温度，并用 SHAP 解释结构因素与模型输出的关系。

• 技术与任务机器学习
• 应用方向信息与人工智能 · 材料与化学

项目亮点

• SMILES 与描述符怎样对应
• 为什么先验证选模再看测试
• SHAP 如何支持材料解释

数据与任务

分子结构怎样变成机器学习能够读懂的数字？这个项目围绕聚合物玻璃化转变温度 Tg，把重复单元结构、化学描述符、回归模型与解释图串成一条材料信息学流程。

先说清楚，它到底在做什么

公开论文配套资料含 902 条 Tg–SMILES 记录，清洗后得到 854 种有效唯一结构。RDKit 计算 23 个具有化学含义的描述符，数据按 597/128/129 划为训练、验证与测试，用于比较五类回归模型。

搞懂它，你能在面试里讲清楚什么

SMILES 与描述符怎样对应

SMILES 表达分子连接关系，描述符将结构转成分子量、组成和拓扑等数值信息。技术文档通过真实记录解释一条结构如何变成一行特征，便于从化学概念过渡到表格模型。

为什么先验证选模再看测试

Ridge、SVR、随机森林、XGBoost 和 LightGBM 使用相同划分。验证阶段选定随机森林后，独立测试 R² 为 0.738，RMSE 为 61.822℃；五种子重复留出的平均 R² 为 0.649，展示不同划分下的波动。

SHAP 如何支持材料解释

全局重要性展示模型常用哪些描述符，蜂群图展示特征高低与贡献方向。解释需要回到描述符的物理化学含义，讨论结构柔性、组成等信息如何关联 Tg 预测。

怎样阅读实验与配图

结构示例、模型比较与 SHAP 图可按“分子—特征—性质”的顺序用于汇报。每张结果图都配有技术说明，帮助读者区分结构相关性、模型贡献与材料机理解释。

面试与答辩可以怎样准备

为什么用重复单元而不是普通患者式表格作为原始输入？

测试分数更高的模型为何不一定是最终选定模型？

SHAP 的贡献方向怎样与化学知识联系？

配套讲解材料围绕整体思路、关键步骤与结果解读展开，并提供面试问答与简历表达参考。准备时可以先按流程说明输入和输出，再选一个样例解释方法，最后用结果图回答具体问题。简历描述结合实际参与内容调整，配图可以放入 PPT 模板组织汇报。

配套资料

技术文档从任务背景、数据组织讲到模型与实验，再结合图表解释结果，包含面试问答和项目表达参考。下面展示正文选页，便于了解讲解内容与图文组织。

代码覆盖数据处理、核心方法和实验分析。下面是实际源码中的关键函数节选，可以结合文档中的流程与公式阅读，再沿输入、计算与输出理解具体实现。

适合谁

高分子材料、化学、材料信息学与机器学习方向。 项目资料可用于学习、选题交流与面试答辩准备；沿着数据、方法、实验和解释逐步掌握，形成能够独立讲清楚的项目经历。