Yu yao MatterSeek - แบบจำลองรากฐานสากลสำหรับการทำนายวัสดุใหม่ (เบต้า)

MatterSeek - แบบจำลองพื้นฐานที่ขับเคลื่อนด้วยการใช้เหตุผลและไม่เชื่อเรื่องภาษาสำหรับการทำนายวัสดุใหม่ที่เป็นสากล
จุดสิ้นสุดของการลองผิดลองถูก - บุกเบิกกระบวนทัศน์ใหม่สำหรับการวิจัยและพัฒนา: การออกแบบย้อนกลับ การสังเคราะห์ที่แม่นยำ
MatterSeek คือแบบจำลองพื้นฐานสากลที่ขับเคลื่อนด้วยการใช้เหตุผลทางฟิสิกส์สำหรับการทำนายวัสดุใหม่ เปิดตัวอย่างเป็นทางการและภาคภูมิใจโดย Yuyao Technology (จีน) สร้างขึ้นจากอัลกอริธึมขั้นสูงและข้อมูลการทดลองที่มีมาตรฐานสูง โดยรองรับสถานการณ์การวิจัยและพัฒนาวัสดุอนินทรีย์และออร์แกนิกใหม่ โดยให้บริการแบบครบวงจรแก่นักวิจัยทั่วโลก
แบบจำลองนี้ได้ทำลายความสัมพันธ์ที่เชื่อมโยงกันอย่างแนบแน่นระหว่างองค์ประกอบ โครงสร้าง กระบวนการ และประสิทธิภาพในพื้นที่มิติสูง ด้วยการออกแบบไปข้างหน้าและแบบผกผัน ทำให้สามารถคาดการณ์ได้อย่างแม่นยำโดยการทดลองในห้องปฏิบัติการเปียกแบบวงปิดบนแพลตฟอร์มการทดลองภายในของ Yuyao - MatterSeek ไม่ได้เป็นเพียงเครื่องมือทำนายเท่านั้น แต่ยังเป็นโซลูชันการดำเนินการที่มีความมั่นใจสูงและสามารถนำไปใช้งานในอุตสาหกรรมได้

คุณสมบัติหลัก
อัลกอริทึมขั้นสูงที่มีข้อจำกัดทางฟิสิกส์- ขับเคลื่อนด้วยการใช้เหตุผลเชิงฟิสิกส์ โดย 92% ของแบบจำลองได้รับการพัฒนาด้วยตนเอง
01
ตัวอธิบายวัสดุ 1,035 ตัว + 192 โมเดลย่อยเฉพาะโดเมน- ได้รับการปรับแต่งอย่างแม่นยำตามความต้องการในการทำนายของระบบวัสดุต่างๆ
02
ความคุ้มครองสากล- ออกแบบมาสำหรับการวิจัยและพัฒนาทั้งวัสดุอนินทรีย์และอินทรีย์
03
วงทดลองแบบปิด- ห้องปฏิบัติการภายในของเราทำการทดลองอัตโนมัติทุกวันตลอด 24 ชั่วโมง โดยป้อนข้อมูลกลับเข้าไปในแบบจำลองสำหรับการฝึกอบรมแบบเรียกซ้ำและการปรับปรุงความสามารถอย่างต่อเนื่อง
04
ความสามารถหลัก
| ความสามารถ | คำอธิบาย |
|---|---|
| การออกแบบย้อนกลับ | ผู้ใช้เพียงป้อนคุณสมบัติเป้าหมายของวัสดุใหม่ จากนั้นแบบจำลองจะส่งออกองค์ประกอบ กระบวนการ และโครงสร้างที่คาดการณ์ไว้โดยตรง |
| อินพุตแบบเลือก | ไม่จำเป็นต้องมีการแจ้งเตือนจากผู้เชี่ยวชาญ - เลือกองค์ประกอบได้โดยตรงจากตารางธาตุเชิงโต้ตอบ |
| การกรองข้อจำกัดองค์ประกอบ | กรองพื้นที่วัสดุที่ต้องการอย่างรวดเร็วตามช่วงองค์ประกอบองค์ประกอบ |
| ตัวชี้วัดคุณสมบัติที่กำหนดเอง | กำหนดคุณสมบัติเป้าหมายได้อย่างยืดหยุ่นสำหรับการออกแบบไปข้างหน้าตามความต้องการ |
| การแสดงภาพหลายมิติ | ผลการทำนายที่นำเสนอจากหลายมุมมองเพื่อสนับสนุนการตัดสินใจ |

| ขั้นตอน | MatterSeek ทำอะไรบ้าง |
|---|---|
| ข้อกำหนดอินพุต | คำแนะนำทางเคมีในภาษาธรรมชาติ ตัวชี้วัดคุณสมบัติเป้าหมาย และข้อจำกัดขององค์ประกอบทั้งหมดสามารถใช้เป็นข้อมูลนำเข้าได้ |
| การอนุมานแบบจำลอง | ด้วยการคำนวณหลายโมดูลที่แกนหลักของโมเดลและการเรียกใช้ฟังก์ชันพร้อมกันภายในโทโพโลยีเดียวกัน โมเดลย่อยเฉพาะโดเมนที่เกี่ยวข้องจะถูกเรียกใช้เพื่อทำให้การทำนายคุณสมบัติหรือการผกผันองค์ประกอบเสร็จสมบูรณ์ |
| ผลลัพธ์เอาท์พุต | องค์ประกอบและโครงสร้างผลึกที่แนะนำ พร้อมด้วยพารามิเตอร์กระบวนการสังเคราะห์ นำเสนอด้วยการแสดงภาพหลายมิติ |
| การสังเคราะห์ในห้องปฏิบัติการ | ห้องปฏิบัติการภายในของเราดำเนินการทดลองอัตโนมัติทุกวันตลอด 24 ชั่วโมง ข้อมูลการทดลองจริงจะถูกรวบรวมและป้อนกลับสำหรับการฝึกโมเดลออนไลน์ เพื่อเพิ่มประสิทธิภาพการทำงานของโมเดลอย่างต่อเนื่อง |
| ลักษณะและการตรวจสอบความถูกต้อง | การวิเคราะห์เฟส XRD และสัณฐานวิทยา SEM/EDS และการวิเคราะห์องค์ประกอบ เปรียบเทียบค่าที่วัดได้กับค่าที่คาดการณ์ไว้ |
สถาปัตยกรรมแบบจำลอง
| รายการ | คำอธิบาย |
|---|---|
| สถาปัตยกรรม | โครงข่ายประสาทเทียมแบบลำดับชั้น HNN ที่เป็นกรรมสิทธิ์ (ขับเคลื่อนด้วยการใช้เหตุผลทางฟิสิกส์) การออกแบบสองชั้น: แบ็คโบนที่ใช้ร่วมกันเรียนรู้การแสดงเนื้อหาข้ามโดเมนจากลายนิ้วมือ 1,035-d; บนสุด โมเดลย่อยของผู้เชี่ยวชาญระดับที่สอง 192 โมเดลถูกจัดกลุ่มภายใต้โดเมนแนวตั้งระดับแรก 17 โดเมน โดยแต่ละโมเดลได้รับการปรับแต่งอย่างละเอียดบนวัสดุที่แสดงคุณสมบัติเป้าหมาย การทำให้เป็นมาตรฐานโดยอิงตามหลักฟิสิกส์ฝังสมมาตร กฎการอนุรักษ์ และข้อจำกัดทางอุณหพลศาสตร์เป็นบทลงโทษแบบอ่อน ดังนั้นเครือข่ายจึงให้ผลลัพธ์การคาดการณ์ที่เป็นไปได้ทางกายภาพ แทนที่จะเป็นการแก้ไขแบบบริสุทธิ์ |
| คำอธิบายวัสดุ | 1035 |
| โมเดลย่อยของโดเมน | โมเดลย่อยที่แปรผันตามประสิทธิภาพระดับที่สอง 192 โมเดลที่จัดภายใต้โดเมนแนวตั้งระดับแรก 17 โดเมน ได้แก่ ตัวนำยิ่งยวด แมกนีโตแคลริก การขนส่งแมกนีโต แม่เหล็ก การเร่งปฏิกิริยาและพื้นผิว การขนส่งทางอิเล็กทรอนิกส์ ออพติก นิวเคลียร์และการฉายรังสี กลศาสตร์ โครงสร้างผลึก เทอร์โมอิเล็กทริก อุณหพลศาสตร์ การขนส่งทางความร้อน โฟนอน เฟอร์โรอิเล็กทริก ความกดอากาศ และการประดิษฐ์และต้นทุน โมเดลย่อยแต่ละรุ่นเป็นตัวทำนายเฉพาะที่ได้รับการปรับแต่งอย่างละเอียดบนวัสดุที่แสดงคุณสมบัติเป้าหมาย ดูรายละเอียดหมวดหมู่ด้านล่าง |
| รูปแบบการป้อนข้อมูล | คำแนะนำในภาษาธรรมชาติ เป้าหมายของคุณสมบัติ สูตรการเรียบเรียง |
| รูปแบบเอาต์พุต | คุณสมบัติที่คาดการณ์ไว้ซึ่งมีขอบเขตความไม่แน่นอน องค์ประกอบที่แนะนำ (ตัวเลือกด้านหน้าพาเรโต) พารามิเตอร์การประมวลผล (หน้าต่างการเผาผนึก / การอบอ่อน) และข้อเสนอการทดลองอันดับ |
| การฝึกอบรม | หลักสูตรสองขั้นตอน: (1) การฝึกอบรมล่วงหน้าเกี่ยวกับบันทึกองค์ประกอบ – โครงสร้าง – ทรัพย์สินขนาดใหญ่ผ่านการตรวจสอบลายนิ้วมือแบบสวมหน้ากาก / การสร้างโครงสร้างใหม่ด้วยตนเอง (2) การปรับแต่งโดเมนอย่างละเอียดด้วยการสูญเสียตามหลักฟิสิกส์ ลูปผลป้อนกลับการเรียนรู้แบบแอคทีฟ และการเลือกผู้สมัครที่ได้รับคำแนะนำแบบ Bayesian / NSGA |
| รายการ | คำอธิบาย |
|---|---|
| แหล่งข้อมูล | ฐานข้อมูลการทดลองที่มีปริมาณงานสูงที่เป็นเอกสิทธิ์เฉพาะและการวัดผลวรรณกรรมที่ได้รับการดูแลจัดการ (ค่าทรัพย์สิน) ข้อมูลโครงสร้าง (โครงสร้างผลึก โครงตาข่าย กลุ่มพื้นที่) เสริมด้วยการคำนวณ DFT |
| มาตราส่วน | บันทึกองค์ประกอบ-โครงสร้าง-คุณสมบัติหลายล้านรายการ เน้นการทดลอง (การวัดคุณสมบัติเชิงทดลองจับคู่กับโครงสร้างที่คำนวณหรือวัดได้) ขยายอย่างต่อเนื่องผ่านการเรียนรู้เชิงรุก |
| ระบบวัสดุ | ระบบวัสดุจะถูกเลือกแบบไดนามิกตามตัวแปรประสิทธิภาพเป้าหมาย (แต่ละรุ่นย่อยได้รับการฝึกอบรมเกี่ยวกับวัสดุที่แสดงคุณสมบัตินั้น) แทนที่จะจำกัดอยู่เพียงรายการโลหะผสม/เซรามิกคงที่ |
| การทำความสะอาดและการขจัดข้อมูลซ้ำซ้อน | ไปป์ไลน์แบบอัตโนมัติ: การทำให้เป็นมาตรฐานระหว่างหน่วย-เซลล์, การกระทบยอดเฟส / พื้นที่-กลุ่ม, การปัดเศษองค์ประกอบตามรูปแบบบัญญัติ, การรวมบันทึกที่ซ้ำกัน, การตรวจจับค่าผิดปกติกับความสอดคล้องของ DFT↔ การทดลอง และรถไฟ/วาล/การทดสอบแยกตามตระกูลวัสดุเพื่อป้องกันการรั่วไหล |
เกณฑ์มาตรฐาน
มีการรายงานความแม่นยำในชุดการทดสอบเชิงทดลองที่แบ่งตามกลุ่มวัสดุภายในคลังข้อมูลของเราเอง ไม่มีเกณฑ์มาตรฐานสาธารณะหรือโมเดลเพียร์ใดที่ครอบคลุมชุดตัวแปรประสิทธิภาพ 192 ประการนี้ ดังนั้นจึงใช้การเปรียบเทียบเพียร์ข้ามโมเดลไม่ได้
ความครอบคลุมและแนวปฏิบัติที่ดีที่สุด
ขอบเขตความคุ้มครอง:
MatterSeek ให้การคาดการณ์ระดับการใช้งานจริงภายในโดเมนแนวตั้ง 17 โดเมนและคุณสมบัติเป้าหมาย 192 รายการ สำหรับการรวมองค์ประกอบหรือคุณสมบัติที่เกิดขึ้นใหม่ที่อยู่นอกอนุกรมวิธานปัจจุบัน สามารถขยายแบบจำลองได้ตามความต้องการผ่านวงจรการเรียนรู้เชิงรุกของเรา - การทดลองใหม่สองสามรายการจะเริ่มต้นโมเดลย่อยใหม่ แทนที่จะเป็นการฝึกอบรมใหม่ทั้งหมด
การใช้งานที่แนะนำ:
ใช้การคาดการณ์เป็นชั้นคัดกรองที่รวดเร็วและสนับสนุนการตัดสินใจเพื่อจัดลำดับความสำคัญของการทดลอง ไม่ใช้แทนการระบุลักษณะเฉพาะขั้นสุดท้าย
จับคู่เอาต์พุตโมเดลกับหน้าต่างการประมวลผลองค์ประกอบที่แนะนำ ผู้สมัครแนวหน้า Pareto ได้รับการจัดอันดับสำหรับการออกแบบหลายวัตถุประสงค์
สำหรับแอปพลิเคชันที่สำคัญหรือมีการควบคุม ให้ตรวจสอบผู้สมัครอันดับต้นๆ แบบออฟไลน์ก่อนที่จะขยายขนาด
แบบจำลองกำลังขยายไปสู่ส่วนอื่นๆ เพิ่มเติม (เช่น ความเป็นพิษของชีวเภสัชภัณฑ์ ความน่าเชื่อถือในระยะยาว) ติดต่อเราเพื่อขอแผนงานล่าสุด
การพัฒนาและการตรวจสอบความถูกต้องของวัสดุฟังก์ชันอสัณฐาน





