Yu yao MatterSeek – Univerzális alapmodell az új anyagok előrejelzéséhez (béta)

MatterSeek – Fizika-érvelés-vezérelt, nyelv-agnosztikus alapmodell az egyetemes új anyagok előrejelzéséhez
A próba és a hiba vége – úttörő egy új paradigma a K+F számára: fordított tervezés, precíziós szintézis
A MatterSeek egy fizika által vezérelt univerzális alapmodell az új anyagok előrejelzéséhez, amelyet hivatalosan és büszkén indított el a Yuyao Technology (Kína). Fejlett algoritmusokra és magas színvonalú kísérleti adatokra építve szervetlen és szerves új anyagok kutatási és fejlesztési forgatókönyveit szolgálja ki, és világszerte egyablakos szolgáltatást nyújt a kutatóknak.
A modell áttöri a kompozíció, a szerkezet, a folyamat és a teljesítmény közötti erősen összekapcsolódó kapcsolatot a nagy dimenziós térben. Az előre és inverz tervezés révén precíz előrejelzéseket ad, amelyeket zárt hurkú, nedves laborkísérletekkel hitelesítenek a Yuyao házon belüli kísérleti platformján – a MatterSeek nem csupán egy előrejelző eszköz, hanem egy nagy megbízhatóságú, iparilag telepíthető végrehajtási megoldás.

Alapvető jellemzők
Speciális algoritmusok fizikai korlátokkal- Fizikai érvelés vezérelte, a modell 92%-a saját fejlesztésű.
01
1035 anyagleíró + 192 Domain-specifikus almodell- Pontosan a különböző anyagrendszerek előrejelzési igényeihez szabva.
02
Univerzális lefedettség- Szervetlen és szerves anyagok kutatására és fejlesztésére egyaránt tervezték.
03
Zárt kísérleti hurok- Házon belüli laboratóriumunk a hét minden napján, 24 órában végez automatizált kísérleteket, visszacsatolva az adatokat a modellbe a rekurzív képzés és a folyamatos képességfejlesztés érdekében.
04
Alapvető képességek
| Képesség | Leírás |
|---|---|
| Fordított kivitel | A felhasználók egyszerűen beírják egy új anyag céltulajdonságait, és a modell közvetlenül kiadja az előre jelzett összetételt, folyamatot és szerkezetet. |
| Szelektív bemenet | Nincs szükség professzionális felszólításra – válassza ki az elemeket közvetlenül egy interaktív periódusos táblázatból. |
| Elemkényszer-szűrés | Gyorsan szűrje a jelölt anyagteret elemösszetételi tartomány szerint. |
| Egyéni tulajdoni mutatók | Rugalmasan határozza meg a céltulajdonságokat az igény szerinti előrehaladási tervezéshez. |
| Többdimenziós vizualizáció | A döntéshozatal támogatása érdekében többféle nézőpontból bemutatott előrejelzési eredmények. |

| Lépés | Mit csinál a MatterSeek |
|---|---|
| Beviteli követelmények | A természetes nyelvű kémiai utasítások, a céltulajdonság-metrikák és az elemi kényszerek mind bemenetként szolgálhatnak. |
| Modellkövetkeztetés | A modell magjában végzett többmodulos számítások és ugyanazon a topológián belüli párhuzamos függvényhívások révén a megfelelő tartomány-specifikus almodellek meghívásra kerülnek a tulajdonság-előrejelzés vagy a kompozíció inverziójának befejezéséhez. |
| Kimeneti eredmények | Az ajánlott kompozíciók és kristályszerkezetek, valamint a szintézis folyamat paraméterei, többdimenziós megjelenítéssel bemutatva. |
| Laboratóriumi szintézis | Házon belüli laboratóriumunk a hét minden napján, 24 órában végez automatizált kísérleteket; valódi kísérleti adatokat gyűjtenek össze, és visszacsatolják az online modellképzéshez, folyamatosan optimalizálva a modell teljesítményét. |
| Jellemzés és érvényesítés | XRD fázisanalízis és SEM/EDS morfológia és összetétel elemzés, a mért értékek összehasonlítása az előrejelzett értékekkel. |
Modellarchitektúra
| Tétel | Leírás |
|---|---|
| Építészet | Saját tulajdonú HNN hierarchikus neurális hálózat (fizika által vezérelt). Kétszintű tervezés: a megosztott gerinc az 1035 napos ujjlenyomatból tanulja meg a tartományok közötti anyagábrázolásokat; a tetején 192 másodszintű szakértői almodell található 17 első szintű vertikális tartomány alá csoportosítva, mindegyiket a céltulajdonságot mutató anyagokon finomhangolva. A fizika-informált szabályosítás a szimmetriát, a megmaradási törvényeket és a termodinamikai korlátokat lágy büntetésként ágyazza be, így a hálózat fizikailag elfogadható előrejelzéseket ad ki, nem pedig tiszta interpolációt. |
| Anyagleírók | 1035 |
| Domain almodellek | 192 második szintű teljesítményváltozó almodell 17 első szintű vertikális tartomány alá rendezve: szupravezetés, magnetokalorikus, magnetotranszport, mágnesesség, katalízis és felületek, elektronikus transzport, optika, nukleáris és besugárzás, mechanika, kristályszerkezet, termoelektromos technikák, termodinamika, hőtranszport, fononok, ferrokalorikus és ferroelektromos költség. Mindegyik almodell egy dedikált előrejelző, amelyet a céltulajdonságot mutató anyagokon finomítottak. Lásd alább a kategóriák lebontását. |
| Beviteli formátumok | Természetes nyelvű utasítások, tulajdonságcélok, összetételi képletek. |
| Kimeneti formátumok | Megjósolt tulajdonságok bizonytalansági határokkal, ajánlott összetételek (Pareto-front jelöltek), feldolgozási paraméterek (szinterelési / hőkezelési ablakok) és rangsorolt kísérleti javaslatok. |
| Edzés | Kétlépcsős tanterv: (1) Nagyméretű kompozíció–struktúra–tulajdon rekordok előképzése önfelügyelt maszkolt ujjlenyomat / szerkezet rekonstrukcióval; (2) Domain finomhangolás fizika-informált veszteséggel, aktív tanulási visszacsatolási hurokkal és Bayes-i/NSGA-vezérelt jelöltválasztással. |
Képzési adatok
| Tétel | Leírás |
|---|---|
| Adatforrások | Túlnyomórészt saját tulajdonú, nagy áteresztőképességű kísérleti adatbázisok és összegyűjtött szakirodalmi mérések (tulajdonságértékek); szerkezeti adatok (kristályszerkezet, rács, tércsoport) DFT számítással kiegészítve. |
| Skála | Több millió összetétel–struktúra–tulajdonság rekord, kísérleti domináns (számított vagy mért struktúrákkal párosított kísérleti tulajdonság mérés), aktív tanulással folyamatosan bővül. |
| Anyagrendszerek | Az anyagrendszereket dinamikusan választják ki a célteljesítmény-változónak megfelelően (minden almodellt az adott tulajdonságot mutató anyagokra tanítják), nem pedig egy rögzített ötvözet-/kerámialistára korlátozva. |
| Tisztítás és dedup | Automatizált csővezeték: egységcella-normalizálás, fázis/tércsoport egyeztetés, kompozíció-kerekítés kanonizálás, ismétlődő rekordok összevonása, DFT↔kísérleti konzisztenciával szembeni kiugró értékek észlelése, valamint a vonat/val/teszt anyagcsaládonkénti felosztása a szivárgás megakadályozása érdekében. |
Benchmarkok
A pontosságról a saját korpuszunkon belüli anyagcsaládonként felosztott, kitartott kísérleti tesztkészleteken számolunk be. Egyetlen nyilvános benchmark vagy egyenrangú modell sem fedi le pontosan ezt a 192 teljesítményváltozóból álló halmazt, így a modellek közötti összehasonlítás nem alkalmazható.
Lefedettség és legjobb gyakorlatok
Lefedettség határa:
A MatterSeek 17 vertikális tartományán és 192 céltulajdonságán belül gyártási szintű előrejelzéseket biztosít. A feltörekvő elemkombinációk vagy a jelenlegi taxonómián kívüli tulajdonságok esetében a modell igény szerint kiterjeszthető az aktív tanulási hurkon keresztül – néhány új kísérlet egy új almodellt indít el, nem pedig egy teljes átképzést.
Javasolt felhasználás:
Használja az előrejelzéseket gyors szűrési és döntéstámogató rétegként a kísérletek rangsorolásához, ne a végső jellemzés helyettesítésére.
Párosítsa a modell kimenetét az ajánlott kompozíció-feldolgozási ablakkal; a Pareto-front jelöltjeit a többcélú tervezés alapján rangsorolják.
Kritikus vagy szabályozott alkalmazások esetén a méretnövelés előtt offline módon érvényesítse a legjobb jelölteket.
A modell aktívan terjeszkedik további vertikumok felé (pl. biofarmatoxicitás, hosszú távú megbízhatóság) – lépjen kapcsolatba velünk a legújabb ütemtervért.
Amorf funkcionális anyagok fejlesztése és validálása




