はじめに
高分子（ポリマー）の物性評価は、実験による測定に多くの時間とコストがかかります。
そこで、モノマー構造（SMILES表記）や分子量などのパラメータから、機械学習を用いて物性値を瞬時に予測・設計できるWebアプリケーション 「PolymerML」 を開発・公開しました！
アプリURL & リポジトリ
- Webアプリ: PolymerML (Streamlit Cloud)
- GitHub: shima-png-do/polymer-ml
アプリの主な機能
1. 物性予測ダッシュボード
モノマーの化学構造（SMILES）や分子量を入力・設定するだけで、以下の主要物性をリアルタイムに予測します。
- 実効ガラス転移温度 ($T_g$)
- 屈折率 (RI)
- 熱分解温度 ($T_d$)
2. インタラクティブな構造・パラメータ調整
- SMILESコードの直接入力および代表的モノマーのワンクリック選択
- Fox-Floryの式に基づいた分子量依存性のシミュレーション
- 3D分子構造の描画・確認機能
3. データセット管理機能
CSV形式で独自のデータセットをアップロードし、機械学習モデルの更新・拡張にも対応できる設計にしています。
使用した技術スタック
- フロントエンド / バックエンド: Python / Streamlit
- 化学構造処理・記述子計算: RDKit
- 3D分子描画: py3Dmol, stmol
- 機械学習アルゴリズム: scikit-learn (Random Forest)
- データ可視化: Plotly
おわりに
マテリアルズ・インフォマティクス（MI）やケモインフォマティクスを活用した高分子設計のプロトタイプとして作成しました。
研究・学習のツールとしてぜひ触ってみていただき、フィードバックや改善案などがあればアドバイスいただけると嬉しいです！