大模型時代下的AlforScience

?2024DPTechnologyAllRights

Reserved大模型時代下的AI

for

Science1.1

AI4S的第一類尋寶圖：AI建模高維復雜函數(shù)2?2024DPTechnologyAllRights

Reserved1.2

AI4S的第二類尋寶圖：AI驅動平臺化科研1.3

AI4S該怎么學前

AI

時代科研體系遇到的困難3?2024DPTechnologyAllRights

Reserved“維數(shù)災難”問題AI建模高維復雜函數(shù)人類文明的發(fā)展，離不開科學技術的發(fā)展4?2024DPTechnologyAllRights

Reserved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)展科學研究的范式變革第?范式：實驗第三范式：理論第?范式：計算5?2024DPTechnologyAllRights

Reserved科學研究的第一范式：實驗居里夫人發(fā)現(xiàn)放射性元素“釙”和“鐳”牛頓的三棱鏡實驗6?2024DPTechnologyAllRights

Reserved第谷：觀測與收集數(shù)據(jù)7?2024DPTechnologyAllRights

Reserved開普勒：分析數(shù)據(jù)產(chǎn)生科學發(fā)現(xiàn)科學研究的第二范式：計算

|

Kepler范式世界上第一臺現(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8?2024DPTechnologyAllRights

Reserved材料數(shù)據(jù) ?物數(shù)據(jù) 藥物數(shù)據(jù) 化?數(shù)據(jù)9?2024DPTechnologyAllRights

ReservedKepler（數(shù)據(jù)驅動）范式遇到的問題數(shù)據(jù)收集的效率低下缺乏有效的數(shù)據(jù)分析方法Itremainsthat,fromthesameprinciples,InowdemonstratetheframeoftheSystemofthe

World.現(xiàn)在，我將展示世界體系的框架?！?687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10?2024DPTechnologyAllRights

Reserved科學研究的第三范式：理論

|

Newton范式多尺度物理模型已經(jīng)基本完備馬爾可夫決策過程貝爾曼方程典型應用場景火箭模擬飛機模擬發(fā)動機模擬地質模擬高分子材料模擬柔性材料模擬動力電池模擬半導體模擬化學反應模擬藥物分子模擬物流傳輸火車票預約11?2024DPTechnologyAllRights

Reserved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?！Ａ_·狄拉克

《電子的量子理論》Newton（物理模型）范式遇到的問題12?2024DPTechnologyAllRights

Reserved宏觀仿真：飛機制造和污染擴散C919研發(fā)使用三維數(shù)字樣機技術13?2024DPTechnologyAllRights

Reserved雷神山醫(yī)院污染擴散仿真結構?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“簡單”的問題可以得到解決復雜的問題材料性質和材料設計，藥物，催化劑等只能通過經(jīng)驗和試錯的辦法解決理論和應?的脫離火箭模擬飛機模擬發(fā)動機模擬地質模擬動力電池模擬半導體模擬化學反應模擬藥物分子模擬典型場景 典型場景14?2024DPTechnologyAllRights

Reserved數(shù)據(jù)驅動和基本原理驅動范式產(chǎn)生的后果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）15?2024DPTechnologyAllRights

Reserved復雜問題的挑戰(zhàn)是什么？30秒圍棋入門教學圍棋是很簡單的一門游戲?？鬃釉f，吃飽了沒事干就去下圍棋吧。以下教程將在半分鐘以內教您學會圍棋。2.

畫×的點就是棋子的氣。占據(jù)所有氣就能悶死對面。接下來就用你剛學到的知識去和

AlphaGo

對線吧16?2024DPTechnologyAllRights

Reserved1.

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？從下圍棋看復雜問題面臨的挑戰(zhàn)AI解決圍棋中的“維數(shù)災難”問題17?2024DPTechnologyAllRights

ReservedPatternsofLocal

ContrastFaceFeaturesFaceAI解決人臉識別中的“維數(shù)災難”問題18?2024DPTechnologyAllRights

ReservedAI帶給Science的新機會19?2024DPTechnologyAllRights

ReservedAI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20?2024DPTechnologyAllRights

ReservedAI為解決維數(shù)災難問題提供了有效的手段結構、?場與采樣是分?模擬的三個關鍵21（在不和動量同時出現(xiàn)時，我們也常?r表示坐標）?場：描述原?間相互作?的數(shù)學模型?法1：第?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)VASP是?前最流?的電?結構計算和量??學-分?動?學模擬軟件包之??？梢允?贗勢和平?波基組，進?從頭電?結構和量??學分?動?學計算。CP2K是?個從頭算分?動?學軟件，可以對固態(tài)、液體、分?、周期、材料、晶體和?物系統(tǒng)進?原?模擬。22?場：描述原?間相互作?的數(shù)學模型?法2：經(jīng)驗?場例如：LJ,

EAM,

MEAM,AMBER,

CHARMM計算效率?但結果不可信計算開銷

O(N)Tunableparameters23?場：描述原?間相互作?的數(shù)學模型?法1：第?性原理計算密度泛函理論（DFT）?法2：經(jīng)驗?場例如：LJ,

EAM,

MEAM,AMBER,

CHARMM準確但計算開銷昂貴計算開銷

O(N3)計算效率?但結果不可信計算開銷

O(N)?法3：深度勢能Deep

Potential接近第?性原理計算精度接近經(jīng)驗?場計算效率計算開銷

O(N)

24使?機器學習擬合?維勢能?學習第?性原理計算結果模型:數(shù)據(jù):由第?性原理計算給出訓練:?標: 數(shù)值近似第?性原理定義的能量函數(shù)3N維25使?機器學習擬合?維勢能?學習第?性原理計算結果數(shù)據(jù):由第?性原理計算給出訓練:?標: 數(shù)值近似第?性原理定義的能量函數(shù)3N維模型:要求:保證模型可擴展性保持物理上對稱性最終模型:26深度勢能：物理建模+??智能+?性能計算27Unifiedpotential

modelLargedatasetsfor

pretrainingSpecializedmodelApplication(MD)Few-shotfinetuningDistillation（optional）訓練?個機器學習勢函數(shù)的開銷：以

Al??Mg??Cu??

[?]

勢函數(shù)為例

(??

≤

??,

??,

??

≤

??,

??

+

??

+

??

=

??):10millionCPUcore-hours和20-30thousandGPUcard-hoursNewparadigm:

pretraining-then-finetuningPretrainablemodel[?]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.BackgroundAlphafold2：一款數(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?2024DPTechnologyAllRights

Reserved數(shù)據(jù)驅動模式典型應用：Alphafold21.1

AI4S的第一類尋寶圖：AI建模高維復雜函數(shù)30?2024DPTechnologyAllRights

Reserved1.2

AI4S的第二類尋寶圖：AI驅動平臺化科研1.3

AI4S該怎么學AI快速發(fā)展的十年2014年，Deepmind被Google收購；2015年，OpenAI創(chuàng)立；2016年，Huggling

Face社區(qū)創(chuàng)立31?2024DPTechnologyAllRights

Reserved從AlexNet到ChatGPT，AI經(jīng)歷了快速發(fā)展和變革的10年 2012——

20222012年，Ilya

Sutskever作為JeffHinton的博士生做出AlexNet，2022年，

IlyaSutskever作為OpenAI的首席科學家做出ChatGPT；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，F(xiàn)acebook發(fā)布PyTorch。社區(qū)與公司的發(fā)展與變革2012——

2022對比AI和Science領域AI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32?2024DPTechnologyAllRights

Reserved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)?；A設施建設期全面、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2017-20222022-20272027-未來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AI

for

Science2020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)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????屬于AI

for

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數(shù)據(jù)、模型、算力一體化融合，“科學問題”逐步轉變?yōu)椤坝嬎愫凸こ虇栴}”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AI4S新特點：由概念導入期進入應用落地期33?2024DPTechnologyAllRights

Reserved生命科學醫(yī)療制藥等能源光伏產(chǎn)業(yè)等氣象天氣預報等航空航天空天發(fā)動機設計等海洋海浪預測等材料科學合金、半導體材料等算法與理論模型交叉型學科人才產(chǎn)品、工程師自動化實驗儀器平臺系統(tǒng)高效率、高精度的基本原理模型和數(shù)據(jù)分析算法汽車鋰電池等支撐國家戰(zhàn)略需求基礎元素關鍵性行業(yè)需求多樣型算力數(shù)據(jù)采集與標注開源開放生態(tài)“四梁”“N柱”化工催化劑等“磚瓦”高效率、高精度的實驗表征工具替代文獻的數(shù)據(jù)庫與知識庫高度整合的算力平臺X-DAX-DAX-DAX-DAX-DAX-DAX-DAX-DA34?2024DPTechnologyAllRights

ReservedX-DA：面向不同領域需求的工業(yè)應用軟件…AI4S基礎設施：“磚瓦”與“四梁N柱”“四梁”：基本原理、模型算法與軟件系統(tǒng)35?2024DPTechnologyAllRights

Reserved基本原理與數(shù)據(jù)驅動的模型算法與軟件系統(tǒng)AI

for

Science

為從底層構建全新的跨尺度算法與軟件帶來新機遇36?2024DPTechnologyAllRights

Reserved構建預訓練模型DPA：打造“自然科學界的ChatGPT”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DeePKSmodelDeePMDmodelEfficient&Accurate

DFTABACUS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)更新打造開源平臺及軟件應用ABACUS：國產(chǎn)開源密度泛函軟件打造AI4S基礎設施—算法與軟件系統(tǒng)/dptech-corp/Uni-MolSourcecodes,pretrainingdata,pretrainedmodels,finetunedmodelweights,anddemosfordownstreamtasksareall

accessible.37?2024DPTechnologyAllRights

ReservedUni-Mol：第一個通用分子3D表示學習(MRL)框架和預訓練模型Uni-Mol:AUniversal3DMolecularRepresentationLearningFramework(ICLR

2023)/forum?id=6K2RM6wVqKu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

通用分子表示框架和預訓練模型提供高通量的正向數(shù)據(jù)提供新的反演算法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)動的解決方案電池化學組成表征技術38?2024DPTechnologyAllRights

Reserved（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）電池材料形貌表征技術掃描電鏡（SEM）透射電鏡（TEM）原子力顯微鏡（AFM）電池界面敏感表征技術和頻振動光譜（SFG）表面增強拉曼光譜（SERS）電池晶體結構表征X射線衍射（XRD）核磁共振（NMR）X射線吸收譜（XAS，EXAFS）電池官能團表征紅外譜（IR）拉曼譜（Raman）“四梁”：高效率、高精度的實驗表征方法案

例

分

析

：

二

維

材

料

缺

陷

檢

測

5二維材料缺陷檢測MoS2中的單硫(S-vacancy)，雙硫(2S-vacancy)，氧替代(oxygen

substitution)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NbS2NbSe2WSe2MoS239電

鏡

圖

像

分

析

的

A

I

方

法

3二維材料缺陷檢測確定場景?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)符合要求的格式訓練選擇框架損失函數(shù)反復實驗推理?張新的STEM圖像返回識別結果原始數(shù)據(jù)標注數(shù)據(jù)訓練過程推理結果40二維材料缺陷檢測Abtem：https://abtem.readthedocs.io/en/latest/intro.html

Bohrium:https://nb.bohrium.dp.tech/detail/6241642088Patch

(256*256)Single

vacancyDouble

vacancyMoS2-仿真案

例

分

析

：

二

維

材

料

缺

陷

檢

測

542二維材料缺陷檢測真實圖像仿真圖像原因：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?污染等案

例

分

析

：

二

維

材

料

缺

陷

檢

測

543二維材料缺陷檢測MoS2-仿真

+

噪?：?成對抗?絡cycle

GAN案

例

分

析

：

二

維

材

料

缺

陷

檢

測

54447輝瑞的自動化高通量化學反應篩選平臺,

Science,

2018,

359,

429KUKA機器人發(fā)現(xiàn)光解水產(chǎn)氫的光催化劑。Nature,

2020,

583,

237-241?2024DPTechnologyAllRights

Reserved用于無機粉末材料自主固態(tài)合成的自動化實驗室A-LabNature,2023,624,

86-91自動化、高通量實驗平臺的發(fā)展任務類型的多樣性算力組織形式的多樣性計算硬件多樣性機器學習框架的多樣性大型并行任務規(guī)模并行任務工作任務流高度整合的算力平臺超級計算機48?2024DPTechnologyAllRights

Reserved云計算個人工作站開發(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計算任務與計算硬件面臨雙重多樣性“四梁”：高度整合的算力平臺保持第?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[1]P.H.Moet.al.“AccurateandefficientmoleculardynamicsbasedonmachinelearningandnonvonNeumannarchitecture”,npjComputationalMaterials,2022.https:///articles/s41524-022-00773-z存算?體分?動?學專?芯?（劉杰等）49?2024DPTechnologyAllRights

Reserved共同開發(fā)存算一體分子動力學專用芯片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Science

Navigator

對話式文獻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“四梁”：替代文獻的數(shù)據(jù)庫與知識庫50?2024DPTechnologyAllRights

Reserved文獻閱讀面臨諸多挑戰(zhàn)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12迫切需要智能化工具提升科學信息的獲取效率通用大語言模型提供了解決思路本質上是?語?模型在科學?獻領域多模態(tài)能?“不?”然而通用大語言模型在處理科學文獻時會“水土不服”

Uni-SMART：科學文獻多模態(tài)大模型Uni-SMART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)督微調用戶反饋專家標注數(shù)據(jù)增強解決各種任務Uni-SMART:multimodal

learningUni-SMART:multimodal

learningTableConvertto

LaTeXUV–VisspectraandthedigitalimagesofPAIfilms.Filmthickness:Poly(h-TAC–ODA),66μm;poly(h-TAC–pPDA),110μm;poly(h-TAC–mPDA),90μm;poly(h-TAC–BAFL),100μm;poly(h-TAC–APB),85μm;poly(TAC–ODA),34

μm.Convertto

CaptionChartMoleculeMoleculeReactionTextInthisstudy,wereportedthepreparationofPAIsamplesbasedonTAC/h-TACwithdiaminemonomersinaconventionalsolutionpolycondensation,followedbychemicalimidizationwithpyridine/acetic

anhydride.

From

the

${

}^1

\mathrm{H}$

NMR

study,

it

was

found

that

the

monomer

addition

order

for

the

polymerization

effectively

controlled

the

sequence

of

themonomericstructureinthepolymerskeleton.Inparticular,thePAIsamplesobtainedbythepolymerizationreactionof$\mathrm{h}$-TACwithdropwiseadditionofdiaminemonomer(T-Dmethod)

possess

regulated

imide-amide-amide-imide

linkage

fractions

of

approximately

$74

\%-96

\%$.

For

the

semiaromatic

PAI

prepared

from

h-TAC

with

diamine

monomers,

this

sequenceisimportanttoimprovetheirthermalstabilities,becausethedegradationofthealicyclich-TACmoiety,whichhasarelativelysmallerbondenergy,couldbehighlyaffectedbytheelectrondensityofthesurroundingenvironment.Therefore,the

whollyConvertto

MarkDown

EquationConvertto

LaTeX\mathcal{I}^{\mathcal{G}}&=D_{KL}\left[p\left(X_1,\ldots,X_n\right)\|p\left(X_1\right)\ldotsp\left(X_n\right)\right]

\\&=D_{KL}\left[\Pi_{i=1}^np\left(X_i\mid\mathbf{Pa}_{X_i}^{\mathcal{G}}\right)\|p\left(X_1\right)\ldotsp\left(X_n\right)\right]\\&=\sum_iI\left(X_i;\mathbf{Pa}_{X_i}^{\mathcal{G}}\right)圖表解析為文字描述文本和公式識別為MarkDown/LaTeXTextTextConvertto

SMILES<smiles>Nc1ccc(Oc2ccc(N)cc2)cc1</smiles>Convertto

Graph<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,85oC,

2.5h]</reaction>分子識別為SMILES反應式識別為SMILES關聯(lián)圖2).

In

the

${

}^{1}

\mathrm{H}$

NMR

spectra

of

ODAA,

the

amide

hydrogen

$a$

'

is

observed

at

$9.95

\mathrm{ppm}$

as

a

singlet

signal

together

with

the

two

clear

doublet

signals,$b^{\prime}$

and

$c^{\prime}$

at

6.95

and

$7.6

\mathrm{ppm}$,

corresponding

to

the

aromatic

protons.

For

APCI,

the

amide

hydrogen

$\mathrmutzqpzb^{\prime

\prime}$

is

observed

at

$9.94\mathrm{ppm}$

as

a

doublet

signal

together

with

the

aromatic

protons

$a^{\prime

\prime}-c^{\prime

\prime}$

and

$\mathrmxmpvfln^{\prime

\prime}-g^{\prime

\prime}$

between

7.0

and

$7.7\mathrm{ppm}$.

The

split

of

the

amide

signal

could

be

attributed

to

the

effect

of

the

conformers

of

the

cyclohexane

ring.

Therefore,

the

doublet

signal

observed

for

the

amide

hydrogen

in

thepoly(h-TAC-ODA)

sample

synthesized

via

the

T-D

method

seems

reasonable,

and

the

two

doublet

signals

for

the

poly(ODA-h-TAC)

sample

(D-T

method)

can

be

attributed

to

the

monomersequences

in

the

polymeric

structure.

In

the

upfield

region

of

the

${

}^{1}

\mathrm{H}$

NMR

spectra

of

$\mathrm{APCI}$

and

the

polymer,

the

aliphatic

protons

appear

as

complex

signals

dueto

the

stereo

structures

(Fig.

S1).

The

configuration

was

maintained

after

the

polymerization,

and

thus

the

properties

of

the

polymers

had

arisen

from

the

stereo

mixtures.........\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_{\mathrm{n}}{

}^{\mathrm{a}}$}

&\multirow[t]{2}{*}{$T_{g}{}^{\mathrm}\left({}^{\circ}\mathrm{C}\right)$}&\multicolumn{3}{|l|}{$\mathrm{TG}\left(\mathrm{N}_{2}\right)$}&\multicolumn{2}{|l|}{TG(air)}

\\\hline&&&&&&$\mathrm{T}_{\mathrmaxlrblr5}{}^{\mathrm{C}}\left({}^{\circ}\mathrm{C}\right)$&$\mathrm{T}_{\mathrmtqadvfl10}{}^{\mathrm{C}}\left({}^{\circ}\mathrm{C}\right)$

&Charat$800^{\circ}\mathrm{C}$&$\mathrm{T}_{\mathrmzdcqpgq5}{}^{\mathrm{C}}\left({}^{\circ}\mathrm{C}\right)$&$\mathrm{T}_{\mathrmdpvyevb10}{}^{\mathrm{C}}\left({

}^{\circ}\mathrm{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

&