Polyme & Vật liệu hữu cơ

Sự miêu tả
Dự đoán hiệu suất của vật liệu polyme và vật liệu hữu cơ từ thành phần. MatterSeek sàng lọc các công thức theo thuộc tính trước khi bạn trộn một mẻ.

Polyme & Vật liệu hữu cơ — Hệ thống vật liệu / Hiệu suất có thể dự đoán được / Lộ trình xác thực
AI cho polyme và vật liệu hữu cơ - Dự đoán hiệu suất trước khi bạn trộn một mẻ
Nó dự đoán các đặc tính vật liệu từ thành phần hóa học, do đó, các công thức cho polyme, chất kết dính, chất phủ, chất bịt kín, nhựa và vật liệu điện tử hữu cơ có thể được xếp hạng trước khi lên lịch thử nghiệm hỗn hợp hoặc lớp phủ.
Độ bền cơ học cạnh tranh với khả năng chịu nhiệt, khả năng xử lý cạnh tranh với khả năng chịu thời tiết và chi phí hạn chế tất cả những điều đó. Bởi vì những sự cân bằng này phải được đánh giá cùng nhau nên quá trình phát triển thường được tiến hành bằng cách lặp lại một số lượng nhỏ các công thức ứng cử viên thông qua việc trộn, chuẩn bị mẫu và thử nghiệm cơ và nhiệt - một vòng lặp kỹ lưỡng nhưng hẹp.
Bạn mô tả một tập hợp thành phần cơ sở và cửa sổ thuộc tính bạn cần và MatterSeek trả về các ứng cử viên được xếp hạng với các thuộc tính được dự đoán và độ không chắc chắn. Nền tảng này hỗ trợ từ một đến bốn phần tử cơ bản với độ chính xác ở mức doping là 0,02, phù hợp với mức độ chi tiết mà các nghiên cứu về chất phụ gia và comonomer thực sự được chỉ định. Vòng dự đoán hoàn thành trong khoảng một phút đối với hai yếu tố cơ bản, hai phút đối với ba yếu tố cơ bản và bảy phút đối với bốn yếu tố cơ bản. Đầu ra được phân phối dưới dạng biểu đồ radar đa thuộc tính để so sánh công thức song song, bản đồ nhiệt 2D và 3D để khám phá cách các thuộc tính thay đổi trong phạm vi thành phần và các bảng có thể xuất.
Công cụ dự đoán bao gồm các nhóm đặc tính nhiệt, nhiệt động lực học, cơ học, quang học và cấu trúc, bao gồm cả điểm nóng chảy - đại lượng đóng khung trực tiếp nhất cho cửa sổ xử lý của polyme.
Các công thức được đưa vào danh sách rút gọn được đưa vào phòng thí nghiệm tự động rộng 1.200 m2 của MatterSeek, nơi việc chuẩn bị mẫu cho phân tích FTIR và NMR được tự động hóa và phân tích nhiệt được thực hiện bằng thiết bị phân tích nhiệt đồng thời. Các tuyến quay điện và màng mỏng cũng được tự động hóa, hỗ trợ chế tạo các lớp hữu cơ dạng sợi và mỏng. Độ chính xác dự đoán là 95,7% so với phép đo vật lý. Các nhóm vật liệu được đề cập bao gồm polyme hiệu suất cao, chất kết dính và chất bịt kín, lớp phủ, chất đàn hồi nhựa nhiệt dẻo, hệ thống chống cháy, polyme phân hủy sinh học và vật liệu điện tử hữu cơ.
Câu hỏi thường gặp
Câu hỏi: MatterSeek có thể dự đoán các đặc tính polyme mà không cần tổng hợp mẫu không?
Đ: Vâng. Các thuộc tính được dự đoán từ thành phần, với phạm vi không chắc chắn được báo cáo trên mỗi giá trị, do đó, các ứng cử viên có thể được xếp hạng trước khi bất kỳ vật liệu nào được tạo ra.
Câu hỏi: Đặc tính nào có sẵn để xác nhận một công thức?
Trả lời: Chuẩn bị mẫu tự động để phân tích FTIR và NMR, cộng với phân tích nhiệt đồng thời - tất cả đều có trong phòng thí nghiệm tự động.
Câu hỏi: Nền tảng có xử lý được các mục tiêu xây dựng đa mục tiêu không?
Đ: Vâng. Nhiều ràng buộc thuộc tính có thể được xác định cùng một lúc và kết quả được trả về dưới dạng biểu đồ radar và bản đồ nhiệt để có thể nhìn thấy sự đánh đổi trong một chế độ xem.
Công ty TNHH Công nghệ Yuyao (Bắc Kinh) là một công ty chuyên nghiệp chuyên về sự kết hợp giữa AI và vật liệu tiên tiến của polyme & vật liệu hữu cơ. Công ty đã phát triển độc lập MatterSeek—một mô hình lớn mang tính nền tảng phù hợp với lĩnh vực vật liệu—và đi tiên phong trong thuật toán HNN (Mạng thần kinh phân cấp), đồng thời xây dựng cơ sở dữ liệu thử nghiệm vật liệu độc quyền, có thể kiểm soát.

