Yu yao MatterSeek - Univerzalni temeljni model za predviđanje novih materijala (Beta)

MatterSeek - temeljni model zasnovan na fizici-rezoniranju, jezično-agnostički model za univerzalno predviđanje novih materijala
Kraj pokušaja i grešaka - pionir nove paradigme za istraživanje i razvoj: obrnuti dizajn, precizna sinteza
MatterSeek je univerzalni temeljni model zasnovan na fizičkom rasuđivanju za predviđanje novih materijala, koji je službeno i ponosno lansirala Yuyao Technology (Kina). Izgrađen na naprednim algoritmima i eksperimentalnim podacima visokog standarda, služi scenarijima istraživanja i razvoja novih neorganskih i organskih materijala, pružajući istraživačima širom svijeta uslugu na jednom mjestu.
Model probija snažno povezan odnos između kompozicije, strukture, procesa i performansi u visokodimenzionalnom prostoru. Kroz naprijed i inverzni dizajn, on isporučuje precizna predviđanja potvrđena eksperimentima zatvorene petlje u vlažnoj laboratoriji na Yuyao-ovoj internoj eksperimentalnoj platformi - MatterSeek nije samo alat za predviđanje, već i visokopouzdano, industrijski primjenjivo rješenje za izvršavanje.

Osnovne karakteristike
Napredni algoritmi s fizičkim ograničenjima- Zasnovano na fizici, sa 92% modela koji su sami razvili.
01
1035 deskriptora materijala + 192 podmodela specifičnih za domenu- Precizno prilagođeno potrebama predviđanja različitih materijalnih sistema.
02
Univerzalna pokrivenost- Dizajniran za istraživanje i razvoj neorganskih i organskih materijala.
03
Zatvorena eksperimentalna petlja- Naša interna laboratorija izvodi automatizovane eksperimente 24 sata dnevno, 7 dana u nedelji, vraćajući podatke u model za rekurzivnu obuku i kontinuirano poboljšanje sposobnosti.
04
Core Capabilities
| Sposobnost | Opis |
|---|---|
| Reverse Design | Korisnici jednostavno unose ciljna svojstva novog materijala, a model direktno ispisuje predviđeni sastav, proces i strukturu. |
| Selektivni unos | Nisu potrebne profesionalne upute - odaberite elemente direktno iz interaktivne periodične tablice. |
| Filtriranje ograničenja elementa | Brzo filtrirajte prostor kandidata materijala prema rasponu elementarnog sastava. |
| Custom Property Metrics | Fleksibilno definirajte ciljna svojstva za dizajn unaprijed na zahtjev. |
| Višedimenzionalna vizualizacija | Rezultati predviđanja predstavljeni iz više perspektiva kako bi se podržalo donošenje odluka. |

| Korak | Šta radi MatterSeek |
|---|---|
| Input Requirements | Instrukcije iz hemije na prirodnom jeziku, metrika ciljnih svojstava i elementarna ograničenja mogu poslužiti kao ulazni podaci. |
| Zaključivanje modela | Kroz višemodulsko izračunavanje u jezgri modela i istovremene pozive funkcija unutar iste topologije, pozivaju se odgovarajući podmodeli specifični za domenu da bi se završilo predviđanje svojstava ili inverzija kompozicije. |
| Izlazni rezultati | Preporučeni sastavi i kristalne strukture, zajedno sa parametrima procesa sinteze, predstavljeni sa višedimenzionalnom vizualizacijom. |
| Laboratorijska sinteza | Naša interna laboratorija izvodi automatizirane eksperimente 24/7; pravi eksperimentalni podaci se prikupljaju i vraćaju za online obuku modela, kontinuirano optimizirajući performanse modela. |
| Karakterizacija i validacija | XRD fazna analiza i SEM/EDS analiza morfologije i sastava, poređenje izmerenih vrednosti sa predviđenim vrednostima. |
Model Architecture
| Stavka | Opis |
|---|---|
| Arhitektura | Vlasnička HNN hijerarhijska neuronska mreža (upravljana fizikom). Dvoslojni dizajn: zajednička okosnica uči međudomenske materijalne reprezentacije iz 1035-d otiska prsta; na vrhu se nalaze 192 ekspertska podmodela drugog nivoa grupisana u 17 vertikalnih domena prvog nivoa, od kojih je svaki fino podešen na materijalima koji pokazuju ciljno svojstvo. Regulacija zasnovana na fizici ugrađuje simetriju, zakone očuvanja i termodinamička ograničenja kao meke kazne, tako da mreža daje fizički vjerodostojna predviđanja umjesto čiste interpolacije. |
| Deskriptori materijala | 1035 |
| Podmodeli domena | 192 podmodela drugog nivoa s promjenjivim performansama organiziranih u 17 vertikalnih domena prvog nivoa: supravodljivost, magnetokaloričnost, magnetotransport, magnetizam, kataliza i površine, elektronski transport, optika, nuklearna i radijacija, mehanika, kristalna struktura, termoelektrika, termodinamika, termalni transport, barrokatrični transport, ferrookatrični transport trošak. Svaki pod-model je namjenski prediktor fino podešen na materijalima koji pokazuju ciljno svojstvo. Pogledajte pregled kategorija ispod. |
| Formati unosa | Instrukcije na prirodnom jeziku, ciljevi svojstva, formule sastava. |
| Izlazni formati | Predviđena svojstva sa granicama nesigurnosti, preporučene kompozicije (kandidati za Pareto front), parametri obrade (prozori za sinterovanje/žarenje) i rangirani prijedlozi eksperimenata. |
| Trening | Dvostepeni nastavni plan i program: (1) Prethodna obuka za velike zapise o kompoziciji–strukturi–imovini putem samonadzirane rekonstrukcije maskiranih otisaka prstiju/strukture; (2) Fino podešavanje domene sa gubitkom na osnovu fizike, petljama povratnih informacija aktivnog učenja i Bayesian/NSGA vođenim odabirom kandidata. |
Podaci o obuci
| Stavka | Opis |
|---|---|
| Izvori podataka | Pretežno zaštićene eksperimentalne baze podataka velike propusnosti i mjerenja iz kurirane literature (vrijednosti svojstava); strukturni podaci (kristalna struktura, rešetka, prostorna grupa) dopunjeni DFT proračunom. |
| Scale | Nekoliko miliona zapisa o kompoziciji – strukturi – svojstvima, dominantnih u eksperimentima (eksperimentalna mjerenja svojstava uparena sa izračunatim ili izmjerenim strukturama), koji se kontinuirano šire putem aktivnog učenja. |
| Materijalni sistemi | Sistemi materijala se biraju dinamički prema ciljnoj varijabli performansi (svaki pod-model je obučen na materijalima koji pokazuju to svojstvo), a ne ograničeni na fiksnu listu legure/keramike. |
| Čišćenje i uklanjanje otpada | Automatski cevovod: normalizacija jedinične ćelije, pomirenje faza/prostor-grupa, kanonizacija zaokruživanja kompozicije, spajanje duplikata zapisa, detekcija vanrednih vrednosti u odnosu na DFT↔eksperimentalnu konzistenciju i podela vlaka/val/test po porodici materijala kako bi se sprečilo curenje. |
Benchmarks
Tačnost se izvještava o zadržanim eksperimentalnim testnim setovima podijeljenim po porodici materijala unutar našeg vlastitog korpusa. Nijedan javni benčmark ili ravnopravni model ne pokriva ovaj tačan skup od 192 varijable performansi, tako da poređenje među modelima nije primjenjivo.
Pokrivenost i najbolje prakse
Granica pokrivenosti:
MatterSeek isporučuje predviđanja na nivou proizvodnje unutar svojih 17 vertikalnih domena i 192 ciljna svojstva. Za nove kombinacije elemenata ili svojstva izvan trenutne taksonomije, model se može proširiti na zahtjev putem naše petlje aktivnog učenja - nekoliko novih eksperimenata pokreće novi pod-model umjesto potpune ponovne obuke.
Preporučena upotreba:
Koristite predviđanja kao brzi sloj za skrining i podršku odlučivanju za određivanje prioriteta eksperimenata, a ne kao zamjenu za konačnu karakterizaciju.
Uparite izlaz modela sa preporučenim prozorom za obradu kompozicije; Pareto-front kandidati su rangirani za dizajn sa više ciljeva.
Za kritične ili regulirane aplikacije, provjerite najbolje kandidate van mreže prije povećanja.
Model se aktivno širi u dodatne vertikale (npr. biofarma toksičnost, dugoročna pouzdanost) - kontaktirajte nas za najnoviju mapu puta.
Razvoj i validacija amorfnih funkcionalnih materijala




