Πολυμερή & Οργανικά Υλικά

img-mv26vwag-7f0c6c08

 

Περιγραφή

 

Προβλέψτε την απόδοση του πολυμερούς και του οργανικού υλικού από τη σύνθεση. Το MatterSeek ελέγχει τα σκευάσματα κατά ιδιότητα πριν αναμίξετε μια παρτίδα.

 

586

Πολυμερή και οργανικά υλικά — Σύστημα υλικών / Προβλεπόμενη απόδοση / Διαδρομή επικύρωσης

 

 

 

 

 

 

AI για πολυμερή και οργανικά υλικά — Προβλέψτε την απόδοση πριν αναμίξετε μια παρτίδα

 

 

1. Το MatterSeek είναι μια πλατφόρμα Ε&Α υλικών AI για την ανάπτυξη πολυμερών και οργανικών υλικών.

Προβλέπει τις ιδιότητες των υλικών από τη χημική σύνθεση, επομένως οι συνθέσεις για πολυμερή, κόλλες, επιστρώσεις, στεγανωτικά, ρητίνες και οργανικά ηλεκτρονικά υλικά μπορούν να ταξινομηθούν πριν προγραμματιστεί μια δοκιμή σύνθεσης ή επικάλυψης.

2. Οι εργασίες διατύπωσης είναι από τη φύση τους ένα πρόβλημα πολλαπλών στόχων.

Η μηχανική αντοχή ανταγωνίζεται τη θερμική αντίσταση, η δυνατότητα επεξεργασίας ανταγωνίζεται την αντοχή στις καιρικές συνθήκες και το κόστος περιορίζει όλα αυτά. Επειδή αυτές οι αντισταθμίσεις πρέπει να αξιολογηθούν μαζί, η ανάπτυξη συνήθως προχωρά με την επανάληψη ενός μικρού αριθμού υποψήφιων σκευασμάτων μέσω ανάμειξης, προετοιμασίας δειγμάτων και μηχανικών και θερμικών δοκιμών — ένας βρόχος που είναι ενδελεχής αλλά στενός.

3. Μετατρέψτε τον πρώτο γύρο του σκευάσματος σε πρόβλεψη.

Περιγράφετε ένα σύνολο σύνθεσης βάσης και το παράθυρο ιδιοτήτων που χρειάζεστε και το MatterSeek επιστρέφει ταξινομημένους υποψηφίους με προβλεπόμενες ιδιότητες και αβεβαιότητα. Η πλατφόρμα υποστηρίζει ένα έως τέσσερα βασικά στοιχεία με ακρίβεια σε επίπεδο ντόπινγκ 0,02, η οποία ταιριάζει με την κοκκοποίηση στην οποία καθορίζονται πραγματικά οι μελέτες πρόσθετων και συμμονομερών. Ένας γύρος πρόβλεψης ολοκληρώνεται σε περίπου ένα λεπτό για δύο βασικά στοιχεία, δύο λεπτά για τρία και επτά λεπτά για τέσσερα. Η έξοδος παραδίδεται ως γραφήματα ραντάρ πολλαπλών ιδιοτήτων για σύγκριση συνθέσεων δίπλα-δίπλα, χάρτες θερμότητας 2D και 3D για εξερεύνηση του τρόπου με τον οποίο οι ιδιότητες μετατοπίζονται σε ένα εύρος σύνθεσης και εξαγώγιμοι πίνακες.

4. Οικογένειες ιδιοκτησίας στο πεδίο εφαρμογής.

Ο κινητήρας πρόβλεψης καλύπτει οικογένειες θερμικών, θερμοδυναμικών, μηχανικών, οπτικών και δομικών ιδιοτήτων, συμπεριλαμβανομένου του σημείου τήξης - την ποσότητα που συγκρατεί πιο άμεσα το παράθυρο επεξεργασίας ενός πολυμερούς.

5. Επικύρωση σε αυτόνομο εργαστήριο.

Τα σκευάσματα που έχουν επιλεγεί εισέρχονται στο αυτοματοποιημένο εργαστήριο 1.200 m² της MatterSeek, όπου η προετοιμασία δειγμάτων για ανάλυση FTIR και NMR είναι αυτοματοποιημένη και η θερμική ανάλυση πραγματοποιείται με ταυτόχρονη οργάνωση θερμικής ανάλυσης. Οι διαδρομές ηλεκτροϊνοποίησης και λεπτής μεμβράνης είναι επίσης αυτοματοποιημένες, υποστηρίζοντας την κατασκευή ινωδών και λεπτών οργανικών στρωμάτων. Η ακρίβεια πρόβλεψης είναι 95,7% έναντι της φυσικής μέτρησης. Οι οικογένειες υλικών που εξετάζονται περιλαμβάνουν πολυμερή υψηλής απόδοσης, κόλλες και σφραγιστικά, επιστρώσεις, θερμοπλαστικά ελαστομερή, συστήματα επιβραδυντικά φλόγας, βιοδιασπώμενα πολυμερή και οργανικά ηλεκτρονικά υλικά.

 

FAQ

 

 

Ε: Μπορεί το MatterSeek να προβλέψει τις ιδιότητες του πολυμερούς χωρίς τη σύνθεση δειγμάτων;

Α: Ναι. Οι ιδιότητες προβλέπονται από τη σύνθεση, με ένα εύρος αβεβαιότητας που αναφέρεται ανά τιμή, έτσι ώστε οι υποψήφιοι να μπορούν να ταξινομηθούν πριν κατασκευαστεί οποιοδήποτε υλικό.

Ε: Ποιος χαρακτηρισμός είναι διαθέσιμος για την επικύρωση μιας διατύπωσης;

Α: Αυτοματοποιημένη προετοιμασία δειγμάτων για ανάλυση FTIR και NMR, συν ταυτόχρονη θερμική ανάλυση — όλα μέσα στο αυτόνομο εργαστήριο.

Ε: Χειρίζεται η πλατφόρμα πολλαπλούς στόχους σύνθεσης;

Α: Ναι. Μπορούν να οριστούν πολλαπλοί περιορισμοί ιδιοτήτων ταυτόχρονα και τα αποτελέσματα επιστρέφονται ως χάρτες ραντάρ και χάρτες θερμότητας, ώστε οι αντισταθμίσεις να είναι ορατές σε μία προβολή.

Η Yuyao (Beijing) Technology Co., Ltd. είναι μια επαγγελματική εταιρεία που ειδικεύεται στη διασταύρωση τεχνητής νοημοσύνης και προηγμένων υλικών από πολυμερή και οργανικά υλικά. Η εταιρεία ανέπτυξε ανεξάρτητα το MatterSeek - ένα θεμελιώδες μεγάλο μοντέλο προσαρμοσμένο στον τομέα των υλικών - και πρωτοστάτησε στον αλγόριθμο HNN (Hierarchical Neural Network), ενώ δημιούργησε μια ιδιόκτητη, ελεγχόμενη βάση δεδομένων πειράματος υλικών.