传统的化工行业如高分子材料研发面临着研发周期长、实验成本高、材料结构-性能关系复杂，以及市场需求动态变化等痛点。数字化转型通过引入人工智能和计算建模等先进技术，为行业变革提供动力。这些工具可以通过虚拟实验加速创新，从而缩短研发周期。数字化转型带来的数据分析能力可以从大量数据挖掘潜在规律来增强决策从而降低新材料的研发风险。从本质上讲，传统化工行业(尤其是聚合物材料研发领域)数字化转型的紧迫性在于缩短研发周期，提高发现目标材料的效率，并在快速发展的全球格局中确保竞争力。

由于高分子材料的特性源于不同空间和时间尺度上的相互作用，导致高分子材料的开发需要对其多级结构和行为具备极深的理解，而目前高分子模拟仿真缺少自动化建模工具，现有建模手段通常需要手动完成，效率低下并且依赖于个人经验，且适用于简单体系，难以处理支化交联并且包含多种单体的高分子材料，难以兼顾模拟尺度和精度。因此，复杂高分子体系的研发，迫切需要一款能覆盖“单体-长链分子-聚合物”等多尺度的模拟仿真能力的强有力工具。

聚合物结构与性能预测：

      需要研发满足某特定功能的新高分子材料时，可以利用性能预测模型快速筛选出具备潜力的单体分子。再利用分子量分布预测方法评估该单体在给定聚合条件下得到的分子量分布，然后基于单体、分子链和反应条件进行更准确的性能预测，如果满足需求则进行实验验证，从而显著的缩小需要搜索的化学空间。最后利用工艺优化算法确定最优的合成条件从而完成单体-结构-合成条件的研发流程。

      目前常规的高分子材料方法依赖于实验试错法，即使通过将量化计算方法、计算机建模和人工智能结合起来，开发了高分子材料研发平台，覆盖单体分子筛选，聚合后分子量预测，力学性能预测和工艺优化等环节，填补了高分子研发工具的空白。

      目前，高分子材料在国防航天、电子工业、汽车工业、建筑行业等诸多领域得到了广泛的应用，已经成为人类生产和生活中重要的一部分。而我们开发的AI辅助研发平台覆盖了分子-结构-工艺-性能四个主要模块，具有较好的普适性。目前该平台目标以满足高分子纤维研发为主导同时兼顾橡胶和塑料等高分子材料，在同行业中具备可推广性。