Yu yao MatterSeek – Univerzálny základný model pre predikciu nových materiálov (Beta)

MatterSeek – základný model založený na fyzikálnom uvažovaní a jazykovej agnostike pre univerzálnu predikciu nového materiálu
Koniec pokusu a omylu – Priekopník novej paradigmy pre výskum a vývoj: Reverzný dizajn, presná syntéza
MatterSeek je univerzálny základný model založený na fyzikálnom uvažovaní pre predpovedanie nových materiálov, oficiálne a hrdo spustený spoločnosťou Yuyao Technology (Čína). Postavený na pokročilých algoritmoch a vysokoštandardných experimentálnych údajoch slúži na scenáre výskumu a vývoja nových anorganických a organických materiálov a poskytuje výskumníkom na celom svete komplexnú službu.
Model prelomí silne prepojený vzťah medzi kompozíciou, štruktúrou, procesom a výkonom vo vysokorozmernom priestore. Prostredníctvom dopredného a inverzného dizajnu poskytuje presné predpovede overené experimentmi v uzavretom cykle mokrého laboratória na internej experimentálnej platforme Yuyao – MatterSeek nie je len nástroj na predikciu, ale aj spoľahlivé, priemyselne nasaditeľné riešenie.

Základné vlastnosti
Pokročilé algoritmy s fyzikálnymi obmedzeniami- Riadené fyzikálnym uvažovaním, pričom 92 % modelu bolo vyvinutých samostatne.
01
1 035 materiálových deskriptorov + 192 podmodelov špecifických pre doménu- Presne prispôsobené potrebám predikcie rôznych materiálových systémov.
02
Univerzálne pokrytie- Navrhnuté pre výskum a vývoj anorganických aj organických materiálov.
03
Uzavretá experimentálna slučka- Naše interné laboratórium prevádzkuje automatizované experimenty 24 hodín denne, 7 dní v týždni, pričom údaje dodáva späť do modelu na rekurzívne školenie a neustále zlepšovanie schopností.
04
Základné schopnosti
| Schopnosť | Popis |
|---|---|
| Reverzný dizajn | Používatelia jednoducho zadajú cieľové vlastnosti nového materiálu a model priamo vygeneruje predpokladané zloženie, proces a štruktúru. |
| Selektívny vstup | Nevyžadujú sa žiadne profesionálne výzvy - vyberte prvky priamo z interaktívnej periodickej tabuľky. |
| Filtrovanie obmedzení prvkov | Rýchlo filtrujte kandidátsky materiálový priestor podľa rozsahu elementárneho zloženia. |
| Vlastné metriky vlastníctva | Flexibilne definujte cieľové vlastnosti pre dopredný dizajn na požiadanie. |
| Viacrozmerná vizualizácia | Prediktívne výsledky prezentované z viacerých perspektív na podporu rozhodovania. |

| Krok | Čo robí MatterSeek |
|---|---|
| Vstupné požiadavky | Ako vstupy môžu slúžiť chemické inštrukcie v prirodzenom jazyku, metriky cieľových vlastností a elementárne obmedzenia. |
| Modelová inferencia | Prostredníctvom viacmodulového výpočtu v jadre modelu a súbežných volaní funkcií v rámci rovnakej topológie sa vyvolajú zodpovedajúce podmodely špecifické pre doménu, aby sa dokončila predikcia vlastností alebo inverzia zloženia. |
| Výstupné výsledky | Odporúčané kompozície a kryštálové štruktúry spolu s parametrami procesu syntézy prezentované s viacrozmernou vizualizáciou. |
| Laboratórna syntéza | V našom internom laboratóriu prebiehajú automatizované experimenty 24 hodín denne, 7 dní v týždni; skutočné experimentálne údaje sa zhromažďujú a spätne sa poskytujú na online školenie modelov, čím sa neustále optimalizuje výkon modelu. |
| Charakterizácia a validácia | XRD fázová analýza a SEM/EDS morfológia a analýza zloženia, porovnávanie nameraných hodnôt s predpokladanými hodnotami. |
Architektúra modelu
| Položka | Popis |
|---|---|
| Architektúra | Vlastná hierarchická neurónová sieť HNN (riadená fyzikálnym uvažovaním). Dvojvrstvový dizajn: zdieľaná chrbtica sa učí materiálové reprezentácie medzi doménami z 1 035-d odtlačku prsta; na vrchu je 192 expertných podmodelov druhej úrovne zoskupených do 17 vertikálnych domén prvej úrovne, z ktorých každá je doladená na materiáloch, ktoré vykazujú cieľovú vlastnosť. Fyzikálne informovaná regularizácia vkladá symetriu, zákony zachovania a termodynamické obmedzenia ako mäkké penalizácie, takže sieť poskytuje skôr fyzicky vierohodné predpovede než čistú interpoláciu. |
| Materiálové deskriptory | 1035 |
| Sub-modely domény | 192 podmodelov s premenlivým výkonom druhej úrovne organizovaných v 17 vertikálnych doménach prvej úrovne: supravodivosť, magnetokalorická, magnetotransportná, magnetizmus, katalýza a povrchy, elektronická doprava, optika, jadrová energia a ožarovanie, mechanika, kryštálová štruktúra, termoelektrika, termodynamika, tepelný transport, fonóny, feroelektrika a látkové náklady. Každý podmodel je vyhradený prediktor jemne vyladený na materiáloch, ktoré vykazujú cieľovú vlastnosť. Pozrite si rozdelenie kategórií nižšie. |
| Vstupné formáty | Pokyny v prirodzenom jazyku, ciele vlastností, vzorce zloženia. |
| Výstupné formáty | Predpokladané vlastnosti s hranicami neistoty, odporúčané zloženie (kandidáti na Paretovu frontu), parametre spracovania (okná spekania / žíhania) a zoradené návrhy experimentov. |
| Školenie | Dvojstupňový učebný plán: (1) Predškolenie na rozsiahlych záznamoch o skladbe – štruktúre – vlastnostiach prostredníctvom samoobslužnej rekonštrukcie maskovaných odtlačkov prstov / štruktúry; (2) Jemné ladenie domény s fyzikálne informovanými stratami, spätnoväzbovými slučkami aktívneho učenia a výberom kandidátov riadeným Bayesovským / NSGA. |
| Položka | Popis |
|---|---|
| Zdroje údajov | Predovšetkým proprietárne vysokovýkonné experimentálne databázy a merania kurátorskej literatúry (hodnoty vlastností); štrukturálne údaje (kryštalická štruktúra, mriežka, priestorová skupina) doplnené o výpočet DFT. |
| Mierka | Niekoľko miliónov záznamov o zložení – štruktúre – vlastnostiach, dominujúcich v experimente (experimentálne merania vlastností spárované s vypočítanými alebo nameranými štruktúrami), neustále sa rozširujúcich prostredníctvom aktívneho učenia. |
| Materiálové systémy | Materiálové systémy sa vyberajú dynamicky podľa cieľovej premennej výkonu (každý podmodel je trénovaný na materiáloch, ktoré vykazujú túto vlastnosť), a nie sú obmedzené na pevný zoznam zliatin/keramiky. |
| Čistenie a odstránenie | Automatizované potrubie: normalizácia jednotkovej bunky, zosúladenie fázy/priestoru a skupiny, kanonizácia zaokrúhľovania zloženia, zlučovanie duplicitných záznamov, detekcia odľahlých hodnôt oproti DFT↔experimentálnej konzistencii a rozdelenie triedenia/hodnoty/testu podľa skupiny materiálov, aby sa zabránilo úniku. |
Benchmarks
Presnosť je hlásená na držaných experimentálnych testovacích súboroch rozdelených podľa materiálovej skupiny v našom vlastnom korpuse. Žiadny verejný benchmark ani partnerský model nepokrýva presne tento súbor 192 výkonnostných premenných, takže porovnávanie medzi modelmi nie je možné použiť.
Pokrytie a osvedčené postupy
Hranica pokrytia:
MatterSeek poskytuje predpovede na úrovni produkcie v rámci svojich 17 vertikálnych domén a 192 cieľových vlastností. V prípade nových kombinácií prvkov alebo vlastností mimo súčasnej taxonómie je možné model na požiadanie rozšíriť prostredníctvom našej slučky aktívneho učenia – niekoľko nových experimentov zavádza nový podmodel namiesto úplného preškolenia.
Odporúčané použitie:
Používajte predpovede ako rýchlu skríningovú vrstvu a vrstvu na podporu rozhodovania na stanovenie priorít experimentov, nie ako náhradu za konečnú charakterizáciu.
Spárujte výstup modelu s odporúčaným oknom na spracovanie kompozície; Kandidáti na Paretov front sú hodnotení pre viacúčelový dizajn.
Pre kritické alebo regulované aplikácie overte najlepších kandidátov offline pred rozšírením.
Model sa aktívne rozširuje do ďalších vertikál (napr. biofarmaceutická toxicita, dlhodobá spoľahlivosť) – kontaktujte nás pre najnovšiu cestovnú mapu.
Vývoj a validácia amorfných funkčných materiálov





