机器学习在高分子气体分离膜研制中的应用进展.pdfVIP

第

16

卷

第

4

期现代应用物理Vol.

16，No.

4

2025

年

8

月MODERN

APPLIED

PHYSICSAug.

2025

安少杭，马梦瑶，盛毓强，等.

机器学习在高分子气体分离膜研制中的应用进展[J].

现代应用物理，2025，16（4）：040104.

（AN

Shaohang，MA

Mengyao，

SHENG

Yuqiang，et

al.

Application

of

machine

learning

in

the

development

of

polymer

gas

separation

membranes[J].

Modern

Applied

Physics，2025，16（4）：

040104.

）

机器学习在高分子气体分离膜研制中的应用进展

†

安少杭，

马梦瑶，

盛毓强，

陈占营，

刘蜀疆，

常印忠，

李奇，

王世联

（禁核试北京国家数据中心和北京放射性核素实验室，北京

100085）

摘要：综述了机器学习在高分子气体分离膜研制中的应用进展。首先介绍了支持向量机、决策

树、随机森林、深度学习等典型机器学习算法；接着梳理了机器学习在材料研究中的一般过程，并

总结了数据集与材料信息特征化的主要方法；然后重点介绍了机器学习在膜材料筛选、构效分析、

性能预测方面的研究进展；最后对机器学习在高分子气体分离膜研究方面的未来方向进行了展望，

聚焦于机器学习辅助气体传输机制研究与膜结构的逆向设计。

关键词：机器学习；深度学习；高分子；气体分离膜；构效分析

中图分类号：TB324；TP183文献标志码：ADOI：10.12061/j.issn.2095-6223.202501012

ApplicationofMachineLearningintheDevelopmentof

PolymerGasSeparationMembranes

AN

Shaohang,

MA

Mengyao,

SHENG

Yuqiang,

CHEN

Zhanying,

LIU

Shujiang,

CHANG

Yinzhong,

LI

Qi,

WANG

Shilian

(CTBT

Beijing

National

Data

Center

and

Beijing

Radionuclide

Laboratory，Beijing

100085，China)

Abstract:This

paper

summarizes

the

research

progress

on

the

application

of

machine

learning

in

the

development

of

polymer

gas

separation

membranes.

Representative

algorithms

including

support

vector

machines,

decision

trees,

random

forests

and

deep

learning,

ar