Polimeri și materiale organice

img-mv26vwag-7f0c6c08

 

Descriere

 

Preziceți performanța polimerului și a materialului organic din compoziție. MatterSeek evaluează formulările după proprietate înainte de a amesteca un lot.

 

586

Polimeri și materiale organice — Sistemul de materiale / Performanța previzibilă / Calea de validare

 

 

 

 

 

 

AI pentru polimeri și materiale organice — Preziceți performanța înainte de a amesteca un lot

 

 

1. MatterSeek este o platformă de cercetare și dezvoltare a materialelor AI pentru dezvoltarea polimerilor și a materialelor organice.

Acesta prezice proprietățile materialelor din compoziția chimică, astfel încât formulările pentru polimeri, adezivi, acoperiri, etanșanți, rășini și materiale electronice organice pot fi clasificate înainte de programarea unei încercări de amestecare sau acoperire.

2. Munca de formulare este o problemă multi-obiectivă prin natură.

Rezistența mecanică concurează cu rezistența termică, procesabilitatea concurează cu rezistența la intemperii, iar costul constrânge totul. Deoarece aceste compromisuri trebuie evaluate împreună, dezvoltarea continuă în mod normal prin iterarea unui număr mic de formulări candidate prin amestecare, pregătire a probelor și testare mecanică și termică - o buclă care este amănunțită, dar îngustă.

3. Transformă prima rundă de formulare într-o predicție.

Descrieți un set de compoziție de bază și fereastra de proprietăți de care aveți nevoie, iar MatterSeek returnează candidați clasați cu proprietăți prezise și incertitudine. Platforma acceptă unul până la patru elemente de bază cu o precizie la nivel de doping de 0,02, care se potrivește cu granularitatea la care sunt specificate de fapt studiile de aditivi și comonomeri. O rundă de predicții se finalizează în aproximativ un minut pentru două elemente de bază, două minute pentru trei și șapte minute pentru patru. Rezultatele sunt furnizate sub formă de diagrame radar cu mai multe proprietăți pentru compararea formulărilor una lângă alta, hărți termice 2D și 3D pentru a explora modul în care proprietățile se schimbă într-un interval de compoziție și tabele exportabile.

4. Familii de proprietăți în domeniu.

Motorul de predicție acoperă familiile de proprietăți termice, termodinamice, mecanice, optice și structurale, inclusiv punctul de topire - cantitatea care se încadrează cel mai direct în fereastra de procesare a polimerului.

5. Validați într-un laborator autonom.

Formulările selectate intră în laboratorul automatizat MatterSeek de 1.200 m², unde pregătirea probelor pentru analiza FTIR și RMN este automatizată, iar analiza termică este efectuată cu instrumente de analiză termică simultană. Electrofilarea și rutele de film subțire sunt, de asemenea, automatizate, susținând fabricarea straturilor organice fibroase și subțiri. Precizia predicției este de 95,7% față de măsurarea fizică. Familiile de materiale abordate includ polimeri de înaltă performanță, adezivi și etanșanți, acoperiri, elastomeri termoplastici, sisteme ignifuge, polimeri biodegradabili și materiale electronice organice.

 

FAQ

 

 

Î: Poate MatterSeek să prezică proprietățile polimerului fără a sintetiza mostre?

A: Da. Proprietățile sunt prezise din compoziție, cu un interval de incertitudine raportat pe valoare, astfel încât candidații pot fi clasați înainte de a fi realizat orice material.

Î: Ce caracterizare este disponibilă pentru validarea unei formulări?

R: Pregătirea automată a probelor pentru analiza FTIR și RMN, plus analiză termică simultană - totul în cadrul laboratorului autonom.

Î: Platforma gestionează ținte de formulare cu mai multe obiective?

A: Da. Pot fi definite mai multe constrângeri de proprietate simultan, iar rezultatele sunt returnate ca diagrame radar și hărți termice, astfel încât compromisurile să fie vizibile într-o singură vizualizare.

Yuyao (Beijing) Technology Co., Ltd. este o companie profesională specializată în intersecția dintre AI și materiale avansate de polimeri și materiale organice. 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.