Иу иао МаттерСеек – Универзални темељни модел за предвиђање нових материјала (Бета)

 

logo

МаттерСеек – заснован на физици-ресонингу, језички агностички модел за универзално предвиђање нових материјала

Крај покушаја и грешака – пионир нове парадигме за истраживање и развој: обрнути дизајн, прецизна синтеза

Нека материјали еволуирају као живот
Убрзавање откривања нових материјала
Мање експеримената, боље перформансе

 

 

МаттерСеек је универзални основни модел заснован на физици за предвиђање нових материјала, који је званично и поносно лансирала Иуиао Тецхнологи (Кина). Изграђен на напредним алгоритмима и експерименталним подацима високог стандарда, он служи сценаријима истраживања и развоја нових неорганских и органских материјала, пружајући истраживачима широм света услугу на једном месту.

Модел пробија снажно повезан однос између композиције, структуре, процеса и перформанси у високодимензионалном простору. Кроз напредни и инверзни дизајн, он пружа прецизна предвиђања потврђена експериментима затворене петље у влажној лабораторији на Иуиао-овој интерној експерименталној платформи – МаттерСеек није само алатка за предвиђање, већ и високопоуздано, индустријски применљиво решење за извршење.

Yuyao

 

Основне карактеристике

 

Напредни алгоритми са физичким ограничењима- Засновано на физици, са 92% модела који су сами развили.

01

1035 дескриптора материјала + 192 подмодела специфичних за домен- Прецизно прилагођено потребама предвиђања различитих материјалних система.

02

Универсал Цовераге- Дизајниран за истраживање и развој неорганских и органских материјала.

03

Затворена експериментална петља– Наша интерна лабораторија спроводи аутоматизоване експерименте 24 сата дневно, 7 дана у недељи, враћајући податке у модел за рекурзивну обуку и континуирано побољшање способности.

04

 

Цоре Цапабилитиес

 

Способност Опис
Реверсе Десигн Корисници једноставно уносе циљна својства новог материјала, а модел директно даје предвиђени састав, процес и структуру.
Селективни унос Нису потребна професионална упутства - изаберите елементе директно из интерактивне периодичне табеле.
Филтрирање ограничења елемента Брзо филтрирајте простор кандидата за материјал према опсегу елементарног састава.
Прилагођени показатељи својства Флексибилно дефинишите циљна својства за унапред пројектовање на захтев.
Вишедимензионална визуелизација Резултати предвиђања представљени из више перспектива како би се подржало доношење одлука.

 

Yuyao2

 

Корак Шта ради МаттерСеек
Инпут Рекуирементс Инструкције за хемију на природном језику, метрике циљних својстава и елементарна ограничења могу послужити као улазни подаци.
Закључивање модела Преко вишемодулног израчунавања у језгру модела и истовремених позива функција унутар исте топологије, позивају се одговарајући подмодели специфични за домен да би се завршило предвиђање својстава или инверзија композиције.
Излазни резултати Препоручени састави и кристалне структуре, заједно са параметрима процеса синтезе, представљени са вишедимензионалном визуелизацијом.
Лабораторијска синтеза Наша интерна лабораторија спроводи аутоматизоване експерименте 24/7; прави експериментални подаци се прикупљају и враћају за онлајн обуку модела, континуирано оптимизујући перформансе модела.
Карактеризација и валидација КСРД фазна анализа и СЕМ/ЕДС анализа морфологије и састава, поређење измерених вредности са предвиђеним вредностима.

 

Модел Арцхитецтуре

 

Ставка Опис
Архитектура Власничка ХНН хијерархијска неуронска мрежа (управљана физиком). Двослојни дизајн: заједничка кичма учи међудоменске материјалне репрезентације из 1035-д отиска прста; на врху се налазе 192 експертска подмодела другог нивоа груписана у 17 вертикалних домена првог нивоа, од којих је сваки фино подешен на материјалима који показују циљно својство. Регулизација заснована на физици уграђује симетрију, законе очувања и термодинамичка ограничења као меке казне, тако да мрежа даје физички веродостојна предвиђања, а не чисту интерполацију.
Дескриптори материјала 1035
Подмодели домена 192 подмодела са променљивим перформансама другог нивоа организована у оквиру 17 вертикалних домена првог нивоа: суправодљивост, магнетокалоричност, магнетотранспорт, магнетизам, катализа и површине, електронски транспорт, оптика, нуклеарна и радијација, механика, кристална структура, термоелектрика, термодинамика, термални транспорт, фербарокатрични транспорт, фер барокатрични транспорт трошак. Сваки под-модел је наменски предиктор фино подешен на материјалима који показују циљно својство. У наставку погледајте анализу категорија.
Формати уноса Инструкције на природном језику, циљеви својства, формуле састава.
Излазни формати Предвиђена својства са границама несигурности, препоручене композиције (кандидати за Парето фронт), параметри обраде (прозори за синтеровање/жарење) и рангирани предлози експеримената.
Обука Двостепени наставни план и програм: (1) Претходна обука за велике записе о композицији–структури–имовини путем самонадгледане реконструкције маскираних отисака прстију/структуре; (2) Фино подешавање домена са губитком на основу физике, петљама повратних информација за активно учење и избором кандидата вођеном Бајесовим / НСГА.

 

Yuyao3

 

Подаци о обуци

 

Ставка Опис
Извори података Претежно заштићене експерименталне базе података велике пропусности и мерења из литературе (вредности својстава); структурни подаци (кристална структура, решетка, просторна група) допуњени ДФТ прорачуном.
Сцале Неколико милиона записа о композицији – структури – својствима, доминантних у експериментима (експериментална мерења својстава упарена са израчунатим или измереним структурама), који се континуирано шире путем активног учења.
Материјални системи Системи материјала се бирају динамички у складу са циљном варијаблом перформанси (сваки под-модел је обучен на материјалима који показују ту особину), а не ограничени на фиксну листу легура/керамике.
Чишћење и уклањање Аутоматизовани цевовод: нормализација јединичне ћелије, усаглашавање фаза/простор-група, канонизација заокруживања композиције, спајање дупликата записа, детекција одступања у односу на ДФТ↔експерименталну конзистентност и подела обука/вал/тест по породици материјала да би се спречило цурење.

 

Бенцхмаркс

 

Тачност је пријављена на експерименталним сетовима тестова који су подељени по породици материјала унутар нашег сопственог корпуса. Ниједан јавни бенчмарк или равноправни модел не покрива овај тачан скуп од 192 варијабле перформанси, тако да поређење више модела није применљиво.

 

Покривеност и најбоље праксе

 

1

Граница покривености:

МаттерСеек испоручује предвиђања на нивоу производње у оквиру својих 17 вертикалних домена и 192 циљна својства. За нове комбинације елемената или својства ван тренутне таксономије, модел се може проширити на захтев преко наше петље активног учења – неколико нових експеримената покреће нови под-модел уместо потпуне преквалификације.

2

Препоручена употреба:

Користите предвиђања као брз скрининг и слој за подршку одлучивању да бисте дали приоритет експериментима, а не као замену за коначну карактеризацију.

Упарите излаз модела са препорученим прозором за обраду композиције; Парето-фронт кандидати су рангирани за дизајн са више циљева.

За критичне или регулисане апликације, потврдите најбоље кандидате ван мреже пре повећања.

Модел се активно шири у додатне вертикале (нпр. биофарма токсичност, дугорочна поузданост) - контактирајте нас за најновију мапу пута.

 

 

Развој и валидација аморфних функционалних материјала

 

Yuyao4

 

Yuyao5