Yu yao MatterSeek - Универсален фундаментален модел за прогнозиране на нови материали (бета)

MatterSeek - основан на физика разсъждения, езиково агностичен основен модел за универсално прогнозиране на нови материали
Краят на пробата и грешката - пионер в нова парадигма за научноизследователска и развойна дейност: обратен дизайн, прецизен синтез
MatterSeek е базиран на физика универсален основен модел за прогнозиране на нови материали, официално и гордо пуснат от Yuyao Technology (Китай). Изграден върху усъвършенствани алгоритми и експериментални данни от висок стандарт, той обслужва сценарии за научноизследователска и развойна дейност на неорганични и органични нови материали, предоставяйки на изследователите по целия свят услуга на едно гише.
Моделът пречупва силно свързаната връзка между композиция, структура, процес и изпълнение в пространството с високи измерения. Чрез преден и обратен дизайн, той предоставя прецизни прогнози, потвърдени от експерименти в мокри лаборатории със затворен цикъл на вътрешната експериментална платформа на Yuyao - MatterSeek не е просто инструмент за прогнозиране, а решение за изпълнение с висока степен на сигурност, индустриално внедряемо.

Основни функции
Разширени алгоритми с физически ограничения- Задвижван от физика, като 92% от модела е разработен самостоятелно.
01
1035 материални дескриптора + 192 специфични за домейна подмодели- Прецизно съобразени с нуждите за прогнозиране на различни материални системи.
02
Универсално покритие- Проектиран както за изследване и развитие на неорганични, така и за органични материали.
03
Затворен експериментален цикъл- Нашата вътрешна лаборатория провежда автоматизирани експерименти 24/7, подавайки данни обратно в модела за рекурсивно обучение и непрекъснато подобряване на способностите.
04
Основни възможности
| Възможност | Описание |
|---|---|
| Обратен дизайн | Потребителите просто въвеждат целевите свойства на нов материал и моделът директно извежда прогнозирания състав, процес и структура. |
| Селективен вход | Не са необходими професионални подкани - изберете елементи директно от интерактивна периодична таблица. |
| Филтриране на ограниченията на елементите | Бързо филтрирайте пространството на кандидатстващия материал по диапазон на елементен състав. |
| Персонализирани показатели за собственост | Гъвкаво дефинирайте целеви свойства за проектиране при поискване напред. |
| Многоизмерна визуализация | Резултати от прогнози, представени от различни гледни точки в подкрепа на вземането на решения. |

| стъпка | Какво прави MatterSeek |
|---|---|
| Изисквания за въвеждане | Инструкциите по химия на естествен език, показателите на целевите свойства и елементарните ограничения могат да служат като входни данни. |
| Извод на модела | Чрез многомодулно изчисление в сърцевината на модела и едновременни извиквания на функции в рамките на една и съща топология, съответните специфични за домейн подмодели се извикват за завършване на предсказването на свойствата или инверсията на състава. |
| Изходни резултати | Препоръчителни състави и кристални структури, заедно с параметрите на процеса на синтез, представени с многоизмерна визуализация. |
| Лабораторен синтез | Нашата вътрешна лаборатория провежда автоматизирани експерименти 24/7; реални експериментални данни се събират и изпращат обратно за онлайн обучение на модели, като непрекъснато се оптимизира производителността на модела. |
| Характеризиране и валидиране | XRD фазов анализ и SEM/EDS морфология и анализ на състава, сравняващи измерените стойности с прогнозираните стойности. |
Архитектура на модела
| Артикул | Описание |
|---|---|
| Архитектура | Патентована HNN йерархична невронна мрежа (управлявана от физика). Двустепенен дизайн: споделен гръбнак научава междудомейн материални представяния от 1035-d пръстов отпечатък; отгоре се намират 192 експертни подмодела от второ ниво, групирани под 17 вертикални домейна от първо ниво, всеки от които е фино настроен върху материали, които показват целевото свойство. Информираната от физиката регулация вгражда симетрия, закони за запазване и термодинамични ограничения като меки наказания, така че мрежата извежда физически правдоподобни прогнози, а не чиста интерполация. |
| Материални дескриптори | 1035 |
| Подмодели на домейн | 192 подмодела с променлива производителност от второ ниво, организирани в 17 вертикални области от първо ниво: свръхпроводимост, магнитокалоричен, магнито-транспорт, магнетизъм, катализа и повърхности, електронен транспорт, оптика, ядрено облъчване, механика, кристална структура, термоелектричество, термодинамика, термичен транспорт, фонони, фероелектрици, барокалорични и производство и цена. Всеки подмодел е специален предиктор, фино настроен върху материали, които проявяват целевото свойство. Вижте разбивка по категории по-долу. |
| Входни формати | Инструкции на естествен език, целеви свойства, формули за съставяне. |
| Изходни формати | Прогнозирани свойства с граници на несигурност, препоръчани състави (кандидати за Парето), параметри на обработка (прозорци за синтероване / отгряване) и класирани предложения за експерименти. |
| обучение | Двуетапна учебна програма: (1) Предварително обучение по широкомащабни записи на състав–структура–свойства чрез самоконтролируема реконструкция на маскиран пръстов отпечатък/структура; (2) Фина настройка на домейн с физически информирани загуби, вериги за обратна връзка с активно обучение и байесов/насочван от NSGA избор на кандидат. |
| Артикул | Описание |
|---|---|
| Източници на данни | Преобладаващо патентовани високопроизводителни експериментални бази данни и подбрани литературни измервания (стойности на свойства); структурни данни (кристална структура, решетка, пространствена група), допълнени от DFT изчисление. |
| Мащаб | Няколко милиона записа на състав-структура-свойства, доминиращи в експеримента (измервания на експериментални свойства, съчетани с изчислени или измерени структури), непрекъснато разширяващи се чрез активно обучение. |
| Материални системи | Системите от материали се избират динамично според променливата на целевата производителност (всеки подмодел се обучава върху материалите, които проявяват това свойство), вместо да се ограничават до фиксиран списък от сплави/керамика. |
| Почистване и дедупция | Автоматизиран тръбопровод: нормализация на единична клетка, съпоставяне на фаза/пространствена група, канонизация на закръгляване на композиция, сливане на дублирани записи, откриване на извънредни стойности спрямо DFT↔експериментална последователност и разделяне на влак/стойност/тест по семейство материали за предотвратяване на изтичане. |
Бенчмаркове
Точността се отчита на задържани експериментални тестови комплекти, разделени по семейство материали в нашия собствен корпус. Нито един публичен бенчмарк или партньорски модел не покрива този точен набор от 192 променливи на ефективността, така че сравнението между партньорски модели не е приложимо.
Покритие и най-добри практики
Граница на покритие:
MatterSeek предоставя прогнози за производствен клас в рамките на своите 17 вертикални домейна и 192 целеви свойства. За нововъзникващи комбинации от елементи или свойства извън текущата таксономия, моделът може да бъде разширен при поискване чрез нашата верига за активно обучение - няколко нови експеримента стартират нов подмодел, вместо пълно преобучение.
Препоръчителна употреба:
Използвайте прогнозите като бърз скрининг и слой за подпомагане на вземането на решения, за да приоритизирате експериментите, а не като заместител на окончателното характеризиране.
Сдвоете изходния модел с препоръчания прозорец за обработка на композиция; кандидатите за Pareto front се класират за дизайн с много цели.
За критични или регулирани приложения валидирайте най-добрите кандидати офлайн преди мащабиране.
Моделът активно се разширява в допълнителни вертикали (напр. биофармацевтична токсичност, дългосрочна надеждност) – свържете се с нас за най-новата пътна карта.
Разработване и валидиране на аморфни функционални материали





