?2024DPTechnologyAllRightsReserved大模型時代下的AI

for

Science王一博，深勢科技2024.09.211.1

AI4S的第一類尋寶圖：AI建模高維復雜函數(shù)1.2

AI4S的第二類尋寶圖：AI驅動平臺化科研1.3

AI4S該怎么學?2024DPTechnologyAllRightsReserved2“維數(shù)災難”問題前AI

時代科研體系遇到的困難AI建模高維復雜函數(shù)?2024DPTechnologyAllRightsReserved3從原始工具到現(xiàn)代科技，從石器時代到AI時代人類文明的發(fā)展離不開工具的變革，而工具的革新，離不開科學技術的發(fā)展人類文明的發(fā)展，離不開科學技術的發(fā)展?2024DPTechnologyAllRightsReserved4第?范式：計算第三范式：理論科學研究的范式變革第?范式：實驗?2024DPTechnologyAllRightsReserved5牛頓的三棱鏡實驗居里夫人發(fā)現(xiàn)放射性元素“釙”和“鐳”科學研究的第一范式：實驗?2024DPTechnologyAllRightsReserved6科學研究的第二范式：計算

|

Kepler范式第谷：觀測與收集數(shù)據(jù)開普勒：分析數(shù)據(jù)產(chǎn)生科學發(fā)現(xiàn)?2024DPTechnologyAllRightsReserved7世界上第一臺現(xiàn)代電子數(shù)字計算機ENIAC

，誕生于1946年2月14日的美國賓夕法尼亞大學。占地面積約170平方米，重達30英噸。它包含了17468根電子管，7200根晶體二極管。計算速度是每秒5000次加法或400次乘法，是使用繼電器運轉的機電式計算機的1000倍、手工計算的20萬倍。用于美國軍方彈道軌跡計算和曼哈頓計劃?？茖W研究的第二范式：計算

|從紙筆到計算機

?2024DPTechnologyAllRightsReserved8數(shù)據(jù)收集的效率低下缺乏有效的數(shù)據(jù)分析方法Kepler（數(shù)據(jù)驅動）范式遇到的問題材料數(shù)據(jù)?物數(shù)據(jù)藥物數(shù)據(jù)化?數(shù)據(jù)?2024DPTechnologyAllRightsReserved9It

remains

that,

from

the

same

principles,Inowdemonstrate

the

frame

ofthe

System

ofthe

World.現(xiàn)在，我將展示世界體系的框架。——1687年，艾薩克·牛頓，《自然哲學的數(shù)學原理》科學研究的第三范式：理論?2024DPTechnologyAllRightsReserved10科學研究的第三范式：理論

|

Newton范式多尺度物理模型已經(jīng)基本完備典型應用場景貝爾曼方程馬爾可夫決策過程

?2024DPTechnologyAllRightsReserved高分子材料模擬化學反應模擬柔性材料模擬動力電池模擬藥物分子模擬火車票預約發(fā)動機模擬半導體模擬物流傳輸?shù)刭|模擬飛機模擬火箭模擬11大部分的物理問題和所有的化學問題在原理上已經(jīng)解決，剩下的問題就是求解薛定諤方程。困難只在于運用這些定律的方程太復雜

，無法

求解。——保羅·狄拉克《電子的量子理論》Newton（物理模型）范式遇到的問題?2024DPTechnologyAllRightsReserved12C919研發(fā)使用三維數(shù)字樣機技術雷神山醫(yī)院污染擴散仿真?

2024

DP

Technology

All

Rights

Reserved

13宏觀仿真：飛機制造和污染擴散“簡單”的問題可以得到解決結構?學，機械?程，航空航天，電??程等這些問題的解決構成了現(xiàn)代?業(yè)的基礎只能通過經(jīng)驗和試錯的辦法解決理論和應?的脫離典型場景典型場景復雜的問題材料性質和材料設計，藥物，催化劑等數(shù)據(jù)驅動和基本原理驅動范式產(chǎn)生的后果火箭模擬

飛機模擬發(fā)動機模擬地質模擬化學反應模擬藥物分子模擬動力電池模擬半導體模擬?2024DPTechnologyAllRightsReserved14簡單和復雜問題的分界線：自由度的個數(shù)

=維數(shù)傳統(tǒng)方法面臨的困難：

維數(shù)災難

（隨著維數(shù)的增加，復雜度指數(shù)增加）復雜問題的挑戰(zhàn)是什么？?2024DPTechnologyAllRightsReserved152.畫×的點就是棋子的氣。占據(jù)所有氣就能悶死對面。1.這是圍棋的棋盤。上面標記了九個特殊的點，但這只是裝飾，并沒有什么用。3.趁對手不注意，吃掉對方的棋子！就像這樣，很簡單不是嗎？30秒圍棋入門教學圍棋是很簡單的一門游戲。孔子曾說，吃飽了沒事干就去下圍棋吧。以下

教程將在半分鐘以內(nèi)教您學會圍棋。從下圍棋看復雜問題面臨的挑戰(zhàn)接下來就用你剛學到的知識去和AlphaGo對線吧?2024DPTechnologyAllRightsReserved16AI解決圍棋中的“維數(shù)災難”問題?2024DPTechnologyAllRightsReserved17AI解決人臉識別中的“維數(shù)災難”問題PatternsofLocalContrastFaceFeatures?2024DPTechnologyAllRightsReserved18FaceAI方法為解決“維數(shù)災難”問題提供了有效手段AI帶給Science的新機會AI帶給Science的新機會?2024DPTechnologyAllRightsReserved19維數(shù)災難：從低維問題到高維問題

從線性、單體的簡化模型到非線性、多體的復雜模型AI為解決維數(shù)災難問題提供了有效的手段?2024DPTechnologyAllRightsReserved20結構、力場與采樣是分子模擬的三個關鍵（在不和動量同時出現(xiàn)時，我們

也常?r表示坐標）21?VASP是目前最流行的電子結構計算和量子力學-分子動力學模擬軟件包之一。可以使用贗勢和平面波

基組，進行從頭電子結構和量子力學分子動力學計算。?CP2K是一個從頭算分子動力學軟件，可以對固態(tài)、液體、分子、周期、材料、晶體和生物系統(tǒng)進行原

子模擬。力場：描述原子間相互作用的數(shù)學模型方法1：第一性原理計算

密度泛函理論（

DFT）準確但計算開銷昂貴

計算開銷

O(N3)22方法2：經(jīng)驗力場例如：

LJ,

EAM,

MEAM,AMBER,

CHARMM力場：描述原子間相互作用的數(shù)學模型E=B

iona+E

ange+Eat

hear

a+E

aw+Brou

iomb計算效率高但結果不可信計算開銷

O(N)ko,bo,ko,BO,ks,fo,cn,e,o,q:Tunableparameters23方法2：經(jīng)驗力場例如：

LJ,

EAM,

MEAM,AMBER,

CHARMM力場：描述原子間相互作用的數(shù)學模型接近第一性原理計算精度

接近經(jīng)驗力場計算效率計算效率高但結果不可信計算開銷

O(N)方法1：第一性原理計算

密度泛函理論（

DFT）準確但計算開銷昂貴

計算開銷

O(N3)方法3

：深度勢能

Deep

Potential計算開銷

O(N)24目標:數(shù)值近似第一性原理定義的能量函數(shù)

B(R),R=(r:}

3N維模型:

E(R,W)數(shù)據(jù):

R,B,=B(A,)

由第一性原理計算給出訓練:

使用機器學習擬合高維勢能面學習第一性原理計算結果↓25目標:數(shù)值近似第一性原理定義的能量函數(shù)

B(R),R=(r:}

3N維模型:

E(R,W)數(shù)據(jù):

R,B,=B(A,)

由第一性原理計算給出訓練:

要求:

1.

保證模型可擴展性2.

保持物理上對稱性最終模型:

使用機器學習擬合高維勢能面學習第一性原理計算結果↓26深度勢能：物理建模+人工智能+高性能計算27以AlxMgy

Cuz

[*]

勢函數(shù)為例(0≤

x,

y,Z

≤

1,x

+y

+Z=

1):?10

million

CPUcore-hours和

20-30thousand

GPUcard-hoursBackground?訓練?個機器學習勢函數(shù)的開銷：?New

paradigm:

pretraining-then-finetuning[*]Jiang,

W.,Zhang,Y.,Zhang,

L.and

Wang,

H.,

2021.

Accurate

Deep

Potential

model

for

the

Al–Cu–Mg

alloy

in

the

full

concentration

space

.

Chinese

Physics

B,

30(5),

p.050706

.Large

datasets

for

pretrainingUnifiedpotential

modelSpecialized

modelPretrainable

modelApplication(MD)Few-shot

finetuningDistillation（optional）?Alphafold2：

一款數(shù)據(jù)驅動的解決

蛋白質三維結構預測的方法。?

為什么適合？?

已有數(shù)據(jù)足夠多?

建模需求明確?

評估標準明確?探索空間大Alphafold2的成功給藥物設計、結構生

物學等許多科學和應用領域帶來了根本

的改變29數(shù)據(jù)驅動模式典型應用：Alphafold2?2024DPTechnologyAllRightsReserved1.2

AI4S的第二類尋寶圖：AI驅動平臺化科研1.1

AI4S的第一類尋寶圖：AI建模高維復雜函數(shù)1.3

AI4S該怎么學?2024DPTechnologyAllRightsReserved30模型的發(fā)展與變革2012——20222012年，AlexNet、ConvNets；

2014年GAN；

2015年ResNet；

2018年，Transformer和注意力機制；框架的發(fā)展與變革2012——20222015年，Google發(fā)布TensorFlow

，

DMLC發(fā)布MXNet；2016年，

Facebook發(fā)布PyTorch。2012年，

IlyaSutskever作為Jeff

Hinton的博士生做出AlexNet

，

2022年，

Ilya

Sutskever作為OpenAI的首席科學家做出ChatGPT；社區(qū)與公司的發(fā)展與變革

2012

——

2022從AlexNet到ChatGPT

，AI經(jīng)歷了快速發(fā)展和變革的10年2012——20222014年，

Deepmind被Google收購；

2015年，OpenAI創(chuàng)立；2016年，

Huggling

Face社區(qū)創(chuàng)立AI快速發(fā)展的十年?2024DPTechnologyAllRightsReserved31AI發(fā)展迅速的原因：模型、框架、平臺完善，快速試錯迭代Science領域的現(xiàn)狀：領域知識艱深、軟件迭代慢、組織形式落后對比AI和Science領域?2024DPTechnologyAllRightsReserved32?屬于AIfor

Science領域的chatGPT模型的出現(xiàn)，

如

DPA系列、替代科研文獻的AI知識庫?新一代基礎科研軟件，如國產(chǎn)密度泛函軟件ABACUS、云原生科學計算工作流套件dflow；?新一代工業(yè)軟件，例如面向藥物研發(fā)場景的整體

方案Hermite；?條件成熟的應用場景產(chǎn)生專用硬件和顛覆性進展?全面提升創(chuàng)新效能的平臺科研體系?2017年Deep

Potential出現(xiàn)，改變了微觀模擬領

域數(shù)十年來的格局?2018年鄂維南院士首次提出AIfor

Science?2020年DeepMind推出的AlphaFold2在

CASP14大賽中轟動世界?DeepModeling開源社區(qū)產(chǎn)生較廣泛的影響力，提供了“平臺科研”模式的實踐經(jīng)驗，成就了學界各方向成規(guī)模的研究工作和業(yè)界研發(fā)基礎設施建設的基本完成后，進入到基礎設施“怎么用”和“怎么持續(xù)領先”的新階段定義出迫切需要也十分適合使用AI來求解的關鍵科學問題，并實現(xiàn)算法領域的0到1突破和應用側的初步驗證數(shù)據(jù)、模型、算力一體化融合，

“科學問題”逐步轉變?yōu)?/p>

“計算和工程問題”?

新計算工具定義新研發(fā)流程?

軟件定義硬件?

面向細分場景，面向用戶開發(fā)應用?

形成新的行業(yè)標準和行業(yè)生態(tài)?

形成鼓勵原始創(chuàng)新的環(huán)境以科學家為主導的概念導入期以科學家和工程師協(xié)作為標志的大規(guī)模基礎設施建設期AI4S新特點：由概念導入期進入應用落地期2017-2022

2022-20272027-未來全面、系統(tǒng)的應用升級和需求導向的原始創(chuàng)新體系的持續(xù)發(fā)展迭代?2024DPTechnologyAllRightsReserved33“N柱”“四梁”“磚瓦”AI4S基礎設施：“磚瓦”與“四梁N柱”高效率、高精度的基本原理

模型和數(shù)據(jù)分析算法高度整合的算力平臺替代文獻的數(shù)據(jù)庫

與知識庫高效率、高精度的

實驗表征工具產(chǎn)品、工程師數(shù)據(jù)采集與標注開源開放生態(tài)自動化實驗儀器交叉型學科人才多樣型算力關鍵性行業(yè)需求算法與理論模型生命科學醫(yī)療制藥等航空航天空天發(fā)動機設計等化工催化劑等材料科學合金、半導體材料等汽車鋰電池等能源光伏產(chǎn)業(yè)等氣象天氣預報等海洋海浪預測等支撐國家戰(zhàn)略需求X-DAX-DAX-DAX-DAX-DAX-DAX-DAX-DAX-DA：面向不同領域需求的工業(yè)應用軟件?2024DPTechnologyAllRightsReserved平臺系統(tǒng)基礎元素34…基本原理與數(shù)據(jù)驅動的模型算法與軟件系統(tǒng)AIforScience為從底層構建全新的跨尺度算法與軟件帶來新機遇“四梁”：基本原理、模型算法與軟件系統(tǒng)?2024DPTechnologyAllRightsReserved35?

全球首個覆蓋元素周期表70種元素的深度勢能原子

間勢函數(shù)預訓練模型DPA-1?

模型將成為藥物、材料、能

源等行業(yè)微觀機理探索的重

要基礎設施?

顯著降低研究人員使用門檻及研發(fā)成本，縮短研發(fā)周期deep

modeling

f

deep

ks-kiti作為基礎設施?

ABACUS目標：開源、功能

完整、易用易開發(fā)?

AI和新硬件：帶來新機遇

，各種密度泛函理論算法仍然持續(xù)更新ABACUS與DeepModeling社區(qū)合作?

從21年初開始

，ABACUS在DeepModeling社區(qū)下開始踐行開源的理念36構建預訓練模型打造開源平臺及軟件應用打造AI4S基礎設施—算法與軟件系統(tǒng)deep

modeling

f

deep

md-kitdeep

modeling

f

abacus-developDeePKSmodelEfficient

&

Accurate

DFTDeePMDmodelDPA：打造“自然科學界的ChatGPT”ABACUS：國產(chǎn)開源密度泛函軟件?2024DPTechnologyAllRightsReserved通用3D分子表示學習框架：?

表征：原子類型

+原

子坐標?

模型：Transformer

+

旋轉平移不變性

+SE(3)-等變?

優(yōu)勢：

同一套表征方法

可以同時用以處理小分

子、復合物，可以應用

于分子性質預測、3D

坐標預測等多種任務。預訓練模型：?

數(shù)據(jù)：209M小分子構象?

策略：原子類型還原

+原

子坐標還原?

優(yōu)勢：使用海量無標記數(shù)

據(jù)讓模型先學習分子結構

的特點來獲取通用能力Uni-Mol：第一個通用分子3D表示學習(MRL)框架和預訓練模型Uni-Mol:A

Universal

3D

Molecular

Representation

Learning

Framework

(ICLR2023)/forum?id=6K2RM6wVqKu/dptech-corp/Uni-MolSourcecodes,

pretrainingdata,

pretrained

models,finetuned

modelweights,anddemosfordownstreamtasksareall

accessible.Uni-Mol通用分子表示框架和預訓練模型?2024DPTechnologyAllRightsReserved37基于人工智能的實驗表征反演算法自動化實驗表征方法與控制軟件實驗表征與數(shù)據(jù)自動化采集與智能化管理面向實驗表征與計算模擬聯(lián)動的解決方案（1）紅外譜（IR）（2）拉曼譜（Raman）38提供新的反演算法“四梁”：高效率、高精度的實驗表征方法（1）X射線光電子能譜（XPS）（2）電子能量損失譜（EELS）（3）X射線吸收近邊譜（XANES,XAS）（1）X射線衍射（XRD）（2）核磁共振（NMR）（3）X射線吸收譜（XAS，

EXAFS）（1）掃描電鏡（SEM）（2）透射電鏡（TEM）（3）原子力顯微鏡（AFM）電池晶體結構表征電池界面敏感表征技術電池材料形貌表征技術電池化學組成表征技術（1）和頻振動光譜（SFG）（2）表面增強拉曼光譜（SERS）電池官能團表征提供高通量的正向數(shù)據(jù)?2024DPTechnologyAllRightsReservedMoS2中的單硫(S-vacancy)，雙硫(2S-vacancy)，氧替代(oxygensubstitution)缺陷是指材料晶格中缺少?個或兩

個硫原?的位置，或者在晶格中氧原?取代硫原?。這種缺陷的存在對材料的性質有重要的影響。需求：找到STEM圖像中的缺失的單/雙原?

,氧替代及其位置39二維材料缺陷檢測案例分

析

：

二

維

材

料

缺

陷

檢

測f京t

能研產(chǎn)院NbSe2WSe2MoS2NbS2AI

forscience

Institute,

BEIJING北智540推理?

?張新的

STEM圖像?

返回識別結

果訓練?

選擇框架?

損失函數(shù)?

反復實驗選擇模型?

屬于分割任

務?

U-Net準備數(shù)據(jù)?

?量帶標注

的數(shù)據(jù)?

符合要求的

格式確定場景?

?維材料的

缺陷檢測明確輸?輸出?

輸?：STEM圖像?

輸出：缺陷

的類型和位

置原始數(shù)據(jù)訓練過程標注數(shù)據(jù)推理結果二維材料缺陷檢測標注數(shù)據(jù)原始數(shù)據(jù)訓練過程推理結果北京科學智能研究院AI

forscience

Institute,

BEIJING3

電鏡

圖

像

分

析

的

A

I

方

法北京科學智能研究院AI

forscience

Institute,

BEIJINGMoS2缺陷標注困難41二維材料缺陷檢測5案例

分

析：

二

維

材

料

缺

陷

檢

測Abtem：https://abtem.readthedocs.io/en/latest/intro.htmlBohrium:https://nb.bohrium.dp.tech/detail/624164208842Patch(256*256)SinglevacancyDoublevacancy二維材料缺陷檢測北京科學智能研究院AI

forscience

Institute,

BEIJING5案例

分

析：

二

維

材

料

缺

陷

檢

測MoS2-仿真43原因：晶格畸變、探測器噪聲、樣品漂移和掃描畸變、時間依賴的對?誤差、輻射損傷以及表?污染等真實圖像仿真圖像二維材料缺陷檢測北京科學智能研究院AI

forscience

Institute,

BEIJING5案例

分

析：

二

維

材

料

缺

陷

檢

測北京科學智能研究院AI

forscience

Institute,

BEIJINGMoS2-仿真

+

噪?：?成對抗?絡cycleGAN44二維材料缺陷檢測5案例

分

析：

二

維

材

料

缺

陷

檢

測45二維材料缺陷檢測北京科學智能研究院AI

forscience

Institute,

BEIJING5案例

分

析：

二

維

材

料

缺

陷

檢

測整體框架?成對抗?絡的結果實驗圖的缺陷檢測46二維材料缺陷檢測北京科學智能研究院AI

forscience

Institute,

BEIJING5案例

分

析：

二

維

材

料

缺

陷

檢

測KUKA機器人發(fā)現(xiàn)光解水產(chǎn)氫的光催化劑。

Nature,2020,

583,237-241

用于無機粉末材料自主固態(tài)合成的自動化實驗室A-Lab?2024DP

Technology

All

Rights

ReservedNature,

2023,624,

86-91自動化、高通量實驗平臺的發(fā)展

輝瑞的自動化高通量化學反應篩選平臺,Science,2018,359,42947算力組織形式的多樣性超級計算機云計算個人工作站計算硬件多樣性機器學習框架的多樣性任務類型的多樣性大型并行任務規(guī)模并行任務工作任務流?

專用芯片有很大的發(fā)展空間?

未來的計算能力可能主要靠高度整合的異構架

構?

通用芯片門檻高、能力增長空間有限?

最常用的計算只有少數(shù)幾種“四梁”：高度整合的算力平臺開發(fā)高效好用的算力服務產(chǎn)品，為科學計算、微尺度工業(yè)設計場景助力計算任務與計算硬件面臨雙重多樣性高度整合的算力平臺?2024DPTechnologyAllRightsReserved48保持第?性原理精度的前提下，

相較GPU等

“馮·諾依曼”芯?，第1版NVNMD

（基于FPGA）：

速度提升1-2個數(shù)量級

能耗降低2-3個數(shù)量級共同開發(fā)存算一體分子動力學專用芯片/articles/s41524-022-00773-z?2024DPTechnologyAllRightsReserved[1]

P.H.

Moet.al.“Accurateandefficient

moleculardynamics

based

on

machine

learning

and

nonvon

Neumann

architecture”,

npj

Computational

Materials,

2022.存算?體分?動?學專?芯?（劉杰等）4950科學知識來自于文獻和各類數(shù)據(jù)庫（如PDB）

知識庫：文獻內(nèi)容最有效的表達形式簡潔明了，便于自動化搜索和發(fā)展AI算法構建智能化的文獻知識庫實現(xiàn)科學文獻的分類檢索與智能推薦實驗表征數(shù)據(jù)、計算模擬數(shù)據(jù)、文獻數(shù)據(jù)等

多模態(tài)數(shù)據(jù)庫與知識庫Science

Navigator對話式文獻知識庫“四梁”：替代文獻的數(shù)據(jù)庫與知識庫進一步助力科研人員提升科研生產(chǎn)力，釋放更多的時間精力在解決關鍵問題與創(chuàng)新思考上?2024DPTechnologyAllRightsReserved文獻閱讀目標?掌握領域現(xiàn)有的基本情況

，發(fā)展階段、現(xiàn)有的進展、主要的問題等。主要的研究手段，主要的分析指標、理論或技術的適用范圍等。文獻的類型?綜述類文獻：

快速對某個研究領域形成整體的認識和了解

，把握

領域核心脈絡

，找到合理的切入點和方向。?進展類文獻：

了解文獻的主要結論

，或提出的新的理論。以及研究的方法，使用的材料和工具，證明結論的邏輯。從而對自己的研

究項目形成支持、啟發(fā)或對比

，幫助優(yōu)化研究思路。文獻的構成?正文：

文字、公式、化學式、化學反應?圖片：

示意圖&數(shù)據(jù)圖（文字、公式、化學式、化學反應）?表格：

文字、公式、化學式、化學反應文獻閱讀與知識提取完全依賴研究人員的手、眼、腦電腦閱讀效率低，關鍵點易遺漏圖表數(shù)據(jù)結構化提取易出錯迫切需要智能化工具提升科學信息的獲取效率文獻閱讀面臨諸多挑戰(zhàn)21然而通用大語言模型在處理科學文獻時會“水土不服”本質上是?語?模型在科學?獻領域多模態(tài)能?

“不?”通用大語言模型提供了解決思路Uni-SMART：科學文獻多模態(tài)大模型?

豐富的數(shù)據(jù)源?

主動學習?

多模態(tài)學習?

繼續(xù)預訓練?

大模型有監(jiān)督微調(diào)?

用戶反饋?

專家標注?

數(shù)據(jù)增強?

解決各種任務Uni-SMARTUni-SMART:

multimodallearning2)

.

In

the

${

}^{1}\math

rm{H}$

NMR

spectra

of

ODAA,the

amide

hydrogen

$a$

'

is

observed

at

$9.95

\math

rm{ppm}$

as

a

singlet

signaltogether

with

the

two

clear

doublet

signals,$b^{\prime}$and$c^{\prime}$at6.95and

$7.6

\math

rm{ppm}$,

corresponding

to

the

aromatic

protons

.

For

A

PCI,the

amide

hydrogen

$\math

rm2aqz9q1^{\prime\prime}$

is

observed

at

$9.94\math

rm{ppm}$

as

a

doublet

signaltogether

with

the

aromatic

protons

$a^{\prime

\prime}-c^{\prime

\prime}$

and

$\math

rmmao9lkk^{\prime

\prime}-g^{\prime

\prime}$

between

7.0

and

$7.7

\math

rm{ppm}$

.The

split

ofthe

amide

signal

could

be

attributed

to

the

effect

ofthe

conform

ers

ofthe

cyclo

hexane

ring

.

Therefore,

the

doublet

signal

observed

for

the

am

ide

hydrogen

in

thepoly(h-TAC-ODA)

sam

ple

synthesized

via

the

T-D

method

seems

reasonable,

and

the

two

doublet

signals

for

the

poly(ODA

-h-TAC)

sam

ple

(D-T

method)

can

be

attributed

to

the

monomersequences

in

the

polymeric

structure

.

In

the

upfield

region

ofthe

${

}^{1}

\math

rm{H}$

NMR

spectra

of

$\math

rm{A

PCI}$

and

the

polymer,the

aliphatic

protons

appear

as

com

plex

signals

due

to

the

stereo

structures

(Fig

.

S1)

.The

configuration

was

maintained

after

the

polymerization,

and

thus

the

properties

ofthe

polymers

had

arisen

from

the

stereo

m

ixtures

.........表格識別為LaTeX\begin{tabular}{|c|c|c|c|c|c|c|c|c|c|c|}\hline\multirow

[t]{2}{*}{

Run

}&

\multirow

[t]{2}{*}{

Method

}&

\multirow

[t]{2}{*}{

h-TAC/ODA

}&

\multirow

[t]{2}{*}{Additive

}&

\multirow

[t]{2}{*}{$M

_

{\math

rm

{n}}{

}^{\math

rm

{a}}$}

&

\multirow

[t]{2}{*}{$T_

{g}{

}^{\math

rm

}\left({

}^{\circ}\math

rm

{C}\right)$}&

\multicolumn{3}{|l|}{$\math

rm

{TG

}\left(\math

rm

{N}_

{2}\right)$}&

\multicolumn{2}{|l|}{TG

(air)

}\\\hline

&

&

&

&

&

&

$\math

rm

{T}_

{\math

rm

rsq4j1v

5}{

}^{\math

rm

{C}}\left({

}^{\circ}\math

rm

{C}\right)$

&

$\math

rm

{T}_

{\math

rm

8izh01y

10}{

}^{\math

rm

{C}}\left({

}^{\circ}\math

rm

{C}\right)$

&Char

at

$800^{\circ}\math

rm

{C}$

&

$\math

rm

{T}_

{\math

rm

g3h4un4

5}{

}^{\math

rm

{C}}\left({

}^{\circ}\math

rm

{C}\right)$

&

$\math

rm

{T}_

{\math

rm

ofjjwe6

10}{

}^{\math

rm

{C}}\left({

}^{\circ}\math

rm

{C}\right)$

\\\hline

1

&

D-T

&

1.00

&

Aniline

&

4300

&

244

&

421

&

433

&

14

&

407

&

435

\\\hline

2

&

T-D

&

1.00

&

Aniline

&

11,700

&

242

&

435

&

448

&

16

&

442

&

456

\\\hline

4

&

T-D

&

1.05

&

Aniline

&

16,500

&

_d

&

440

&

450

&

16

&

428

&

451

\\\hline

5

&

T-D

&

1.06

&

Aniline

&

15,600

&

242

&

430

&

439

&

17

&

400

&

450

\\\hline

6

&

T-D

&

1.06

&

-&

5500

&232

&

437

&

452

&

17

&

431

&

456

\\\hline\end{tabular}TableIn

this

study,

we

reported

the

preparation

of

PAI

sam

ples

based

on

TAC/h-TAC

with

dia

m

ine

monomers

in

a

conventional

solution

polycondensation,pyr

idine/acetic

anhydride.

From

the

${

}^1

\math

rm

{H}$

NMR

study,

it

was

found

that

the

monomer

addition

order

for

the

polymerizationmonomer

ic

structure

in

the

polymer

skeleton

.

In

particular,the

PAI

samples

obtained

by

the

polymerization

reaction

of

$\math

rm

{h}$-TAC

wmethod)

possess

regulated

imide-am

ide-am

ide-imide

linkage

fractions

of

approximately

$74

\%

-96

\%$

.

For

the

sem

iaromatic

PAI

preparedis

important

to

improve

their

thermal

stabilities,

because

the

degradation

ofthe

alicyclic

h-TAC

moiety,

w

hich

has

a

relatively

smaller

bonddensity

ofthe

surrounding

environment.Therefore,the

w

holly<reaction>prev_

mols:<smiles>Nc1ccc(Oc2ccc(N)cc2)cc1</smiles>post_

mols:

<smiles>CC(=O)Nc1ccc(Oc2ccc(NC(C)=O)cc2)cc1</smiles>

condition:

[(CH3CO

)2O

,

Py,DMAc,85

oC,

2.5h]</reaction>ChartUni-SMART:

multimodallearning\mathcal{I}^{\mathcal{G

}}&

=D_

{K

L}\left[p\left(X_

1,\ldots,X_

n\right)\|

p\left(X_

1\right)\ldots

p\left(X_

n\right)\right]\\&

=D_

{K

L}\left[\Pi_

{i=1}^n

p\left(X_

i\mid

\mathbf{P

a}_

{X_

i}^{\mathcal{G

}}\right)\|

p\left(X_

1\right)\ldots

p\left(X_

n\right)\right]\\&

=\sum

_

i

I\left(X_

i

;\mathbf{P

a}_

{X_

i}^{\mathcal{G

}}\right)UV–Vis

spectra

and

the

digital

images

of

PAI

films

.

Film

thickness:

Poly(h-TAC–ODA),66

μm

;

poly(h-TAC–pPDA),

110

μm

;

poly(h-TAC–mPDA),90

μm;

poly(h-TAC–BAFL),

100

μm

;

poly(h-TAC–A

PB),