Surrogate-Free Inverse Design of High-IP/High-EA Polyimide Constitutional Repeating Units with In-Loop Semiempirical Quantum Scoring
Deze studie presenteert een surrogaatvrije inverse-design workflow die recurrent-neural-network-gestuurde Monte Carlo Tree Search combineert met in-loop GFN2-xTB scoring om succesvol een bibliotheek van polyimide constitutionele herhalende eenheden te genereren die simultaan diepe ionisatiepotentialen en grote elektronaffiniteiten bereiken, waarmee de typische trade-off tussen deze eigenschappen wordt overwonnen.