软物质的研究范畴非常广泛，涵盖聚合物、胶体、液晶、凝胶等。如何精确识别软物质材料特有的多级次微纳结构，进而揭示微结构转变的物理条件与规律，对于软物质功能材料的设计和加工至关重要。

我们通过发展机器学习方法，针对软物质体系微结构形成的平衡态性质以及非平衡态动力学行为，提出了一些研究策略，并发展了相应的研究方案。本报告将以四个典型的软物质体系为研究对象，分别展开讨论：1. 软物质体系的玻璃化转变；2. 聚合物体系相分离的演化动力学；3. 微纳结构设计调控超疏水表面的粘附性；4. 聚合物微结构的反向设计。

这些研究明确表明：机器学习方法可以为软物质领域的研究带来全新的视角，或将成为具有变革性的全新的研究范式，不但可以加深对体系物理机制的理解，而且，可望实现精确的定量预测，最终实现从物理机制揭示，到实验可控制备的目标。