Multi-View-Polymer-Modelle erreichen Spitzenplatzierung bei NeurIPS 2025

Ein neues Forschungsprojekt aus dem Bereich der Polymerwissenschaften hat einen innovativen Ansatz zur Vorhersage von Polymereigenschaften vorgestellt. Durch die Kombination mehrerer, komplementärer Repräsentationen soll die Genauigkeit der Vorhersagen deutlich gesteigert werden.

Das System nutzt vier unterschiedliche Darstellungen: tabellarische RDKit/Morgan‑Descriptor, graphbasierte neuronale Netze, dreidimensionale, informationsreiche Modelle sowie vortrainierte SMILES‑Sprachmodelle. Für jede zu prognostizierende Eigenschaft werden die Vorhersagen dieser vier Ansätze gleichgewichtet zusammengeführt, wodurch ein robustes Ensemble entsteht.

Bei der Open Polymer Prediction Challenge von NeurIPS 2025 belegte das Ensemble die 9. Stelle unter 2241 teilnehmenden Teams. Die öffentliche durchschnittliche absolute Fehlerquote (MAE) lag bei 0,057, während die private MAE bei 0,082 betrug – ein deutlicher Erfolg für einen neu entwickelten, multi‑View‑Ansatz.