Artificial intelligence (AI) based approaches are beginning to impact several domains of human life, science and technology. Polymer informatics is one such domain where AI and machine learning (ML) tools are being used in the efficient development, design and discovery of polymers. Surrogate models are trained on available polymer data for instant property prediction, allowing screening of promising polymer candidates with specific target property requirements. Questions regarding synthesizability, and potential (retro)synthesis steps to create a target polymer, are being explored using statistical means. Data-driven strategies to tackle unique challenges resulting from the extraordinary chemical and physical diversity of polymers at small and large scales are being explored. Other major hurdles for polymer informatics are the lack of widespread availability of curated and organized data, and approaches to create machine-readable representations that capture not just the structure of complex polymeric situations but also synthesis and processing conditions. Methods to solve inverse problems, wherein polymer recommendations are made using advanced AI algorithms that meet application targets, are being investigated. As various parts of the burgeoning polymer informatics ecosystem mature and become integrated, efficiency improvements, accelerated discoveries and increased productivity can result. Here, we review emergent components of this polymer informatics ecosystem and discuss imminent challenges and opportunities.

基于人工智能（AI）的方法开始影响人类生活，科学和技术的多个领域。高分子信息学就是这样一个领域，其中AI和机器学习（ML）工具被用于有效地开发，设计和发现聚合物。在可用聚合物数据上训练替代模型以进行即时性能预测，从而可以筛选出具有特定目标性能要求的有前途的聚合物候选物。正在使用统计手段探讨有关可合成性以及潜在的（复古）合成步骤以制备目标聚合物的问题。人们正在探索以数据为依据的策略，以应对小规模和大规模聚合物异常化学和物理多样性所带来的独特挑战。聚合物信息学的其他主要障碍是缺乏广泛可用的整理和有组织的数据，以及创建机器可读表示的方法，这些方法不仅捕获复杂聚合情况的结构，而且捕获合成和处理条件。目前正在研究解决反问题的方法，其中使用符合应用程序目标的高级AI算法提出聚合物建议。随着新兴的高分子信息学生态系统各个部分的成熟和整合，可以提高效率，加快发现速度并提高生产率。在这里，我们回顾了这个高分子信息学生态系统的新兴组成部分，并讨论了迫在眉睫的挑战和机遇。用于创建机器可读表示的方法以及不仅捕获复杂聚合情况的结构，而且捕获合成和处理条件的方法。目前正在研究解决反问题的方法，其中使用符合应用程序目标的高级AI算法提出聚合物建议。随着新兴的高分子信息学生态系统各个部分的成熟和整合，可以提高效率，加快发现速度并提高生产率。在这里，我们回顾了这个高分子信息学生态系统的新兴组成部分，并讨论了迫在眉睫的挑战和机遇。用于创建机器可读表示的方法以及不仅捕获复杂聚合情况的结构，而且捕获合成和处理条件的方法。目前正在研究解决反问题的方法，其中使用符合应用程序目标的高级AI算法提出聚合物建议。随着新兴的高分子信息学生态系统各个部分的成熟和整合，可以提高效率，加快发现速度并提高生产率。在这里，我们回顾了这个高分子信息学生态系统的新兴组成部分，并讨论了迫在眉睫的挑战和机遇。目前正在研究其中使用符合应用目标的高级AI算法提出聚合物建议的方法。随着新兴的高分子信息学生态系统各个部分的成熟和整合，可以提高效率，加快发现速度并提高生产率。在这里，我们回顾了这个高分子信息学生态系统的新兴组成部分，并讨论了迫在眉睫的挑战和机遇。目前正在研究其中使用符合应用目标的高级AI算法提出聚合物建议的方法。随着新兴的高分子信息学生态系统各个部分的成熟和整合，可以提高效率，加快发现速度并提高生产率。在这里，我们回顾了这个高分子信息学生态系统的新兴组成部分，并讨论了迫在眉睫的挑战和机遇。