Ceramica și materiale anorganice

Descriere
Optimizați compozițiile ceramice și ferestrele de sinterizare prin predicție. MatterSeek prezice proprietățile materialelor anorganice din compoziție.

Ceramica și materiale anorganice — Sistemul de materiale / Performanța previzibilă / Calea de validare
AI pentru ceramică avansată și materiale anorganice — Optimizați ferestrele de sinterizare cu mai puține cicluri de ardere
Acesta prezice proprietățile materialelor din compoziția chimică, astfel încât formulările de pulbere, ferestrele de sinterizare și compozițiile ceramice funcționale pot fi clasificate înainte de programarea unei campanii de ardere.
Densitatea finală, asamblarea fazelor și structura granulelor depind de interacțiunea dintre caracteristicile pulberii, chimia aditivilor și profilul termic - iar relația este dezvăluită numai după ardere. Deoarece fiecare ciclu de sinterizare consumă timpul cuptorului și furnizează un punct de date limitat, majoritatea programelor explorează o bandă îngustă în jurul compozițiilor cunoscute.
Definiți setul de compoziție de bază și fereastra de proprietăți de care aveți nevoie, iar MatterSeek returnează candidați clasați cu proprietăți prezise și incertitudine. Manipularea compoziției acceptă unul până la patru elemente de bază cu o precizie la nivel de dopaj de 0,02 - granularitatea la care sunt specificate studiile de sinterizare și dopanți. Predicția se finalizează în aproximativ un minut pentru două elemente de bază, două minute pentru trei și șapte minute pentru patru. Rezultatele sunt returnate ca diagrame radar cu mai multe proprietăți, hărți termice 2D și 3D care expun modul în care proprietățile se schimbă într-un interval de compoziție și tabele de date exportabile.
Motorul de predicție acoperă familii de proprietăți termodinamice, termice, mecanice, electrochimice, dielectrice și electronice, inclusiv punctul de topire, constanta dielectrică și temperatura critică supraconductivă - parametri care guvernează selecția temperaturii de sinterizare, ceramica dielectrică și comportamentul funcțional al oxidului.
Compozițiile prezise intră în laboratorul autonom de 1.200 m² al MatterSeek, ale cărui șase grupuri de procese au fost proiectate în jurul materialelor anorganice nemetalice. Grupul în stare solidă acoperă dozarea pulberii, măcinarea cu bile, uscare prin pulverizare, presare uscată cu presare izostatică la rece, sinterizare sub aer, vid sau atmosferă controlată, recoacere și tăiere cubulețe. Grupul de chimie umedă acoperă prepararea precursorilor, sinteza hidrotermală, calcinarea și clasificarea. Grupul sol-gel trece prin hidroliză, îmbătrânire a gelului, schimb de solvenți și uscare cu CO₂ supercritic - calea către materialele de izolare termică cu aerogel și purtătorii cu suprafață mare. Caracterizarea automată include XRD, XRF, suprafața BET, Raman și analiză termică simultană, cu o țintă declarată de 300 până la 500 de probe pe zi, în funcție de traseu. Precizia predicției este de 95,7% față de măsurarea fizică.
ceramică structurală și funcțională avansată, ceramică piezoelectrică, acoperiri cu barieră termică, izolație cu aerogel, materiale pentru celule de combustie cu oxid solid, sticlă și sticlă ceramică și compoziții refractare.
FAQ
Î: Poate MatterSeek să prezică proprietățile ceramicii înainte de sinterizare?
A: Da. Proprietățile sunt prezise din compoziție cu un interval de incertitudine, astfel încât formulările candidate pot fi clasificate înainte de a fi angajată orice timp de cuptor.
Î: Ce rute de sinterizare sunt disponibile pentru validare?
R: Sinterizare cu aer, vid și atmosferă controlată, sinterizare cu plasmă cu scânteie, calcinare și recoacere - toate automatizate în cadrul laboratorului autonom.
Î: Este acceptată procesarea cu aerogel?
A: Da. Grupul sol-gel include schimbul de solvenți și uscare cu CO₂ supercritic.
Yuyao (Beijing) Technology Co., Ltd. este o companie profesională specializată în intersecția dintre AI și materiale avansate de ceramică și materiale anorganice. Compania a dezvoltat independent MatterSeek – un model mare de bază adaptat sectorului materialelor – și a fost pionier al algoritmului HNN (Hierarhical Neural Network), în timp ce construiește o bază de date proprietară, controlabilă pentru experimente cu materiale.

