摘要：介绍了作为一种新的认知范式,大数据研究常见和前沿算法及其应用在高分子材料研究中的共性基础,围绕材料的基础与应用研究聚焦的定量组成-工艺-结构-性质-性能关系,剖析了该关系中的要素和可数值化、定量化的资源和途径.进而系统介绍近4年在高分子材料的合成与自组装、机械热性质、光电声磁性质、分离性质和加工性质等方面大数据研究的一些典型进展,梳理了当前高分子材料大数据研究的难题和挑战,对这一新兴快速发展方向和一段时间内可能的突破进行了展望.

摘要：高分子玻璃的物理性质与其结构和动力学密切相关.揭示高分子玻璃化的微观物理图像对高分子玻璃材料的结构调控和分子设计至关重要.然而,高分子的长链结构和复杂单体结构特征致使目前仍然缺乏普适的理论或者模型来定量解释高分子玻璃化的物理机制.因此,亟需发展更为先进的研究方法从而更深入地理解高分子玻璃化.近年来,国内外学者利用基于数据驱动的信息学方法(例如机器学习)对高分子玻璃化开展了研究,并取得了丰富成果.本综述首先介绍了常用的高分子信息学数据库和机器学习算法.之后,从高分子玻璃化转变温度的预测、新型高分子玻璃材料的研发、过冷液体的结构-动力学关系和玻璃体系相变的确定四个方面总结和评述了机器学习应用在玻璃化研究中的代表性进展.最后,探讨了机器学习方法在高分子玻璃化研究中面临的主要挑战,并对玻璃信息学这一领域的发展进行了展望.