यू याओ मैटरसीक - नई सामग्री भविष्यवाणी के लिए यूनिवर्सल फाउंडेशन मॉडल (बीटा)

मैटरसीक - सार्वभौमिक नई सामग्री भविष्यवाणी के लिए एक भौतिकी-तर्क-संचालित, भाषा-अज्ञेयवादी फाउंडेशन मॉडल
परीक्षण और त्रुटि का अंत - अनुसंधान एवं विकास के लिए एक नए प्रतिमान की शुरुआत: रिवर्स डिज़ाइन, सटीक संश्लेषण
मैटरसीक नई सामग्री भविष्यवाणी के लिए एक भौतिकी-तर्क-संचालित सार्वभौमिक आधार मॉडल है, जिसे आधिकारिक तौर पर और गर्व से युयाओ टेक्नोलॉजी (चीन) द्वारा लॉन्च किया गया है। उन्नत एल्गोरिदम और उच्च-मानक प्रयोगात्मक डेटा पर निर्मित, यह अकार्बनिक और जैविक नई सामग्री अनुसंधान एवं विकास परिदृश्यों पर कार्य करता है, जो दुनिया भर के शोधकर्ताओं को वन-स्टॉप सेवा प्रदान करता है।
मॉडल उच्च-आयामी स्थान में संरचना, संरचना, प्रक्रिया और प्रदर्शन के बीच दृढ़ता से युग्मित संबंध को तोड़ता है। फॉरवर्ड और व्युत्क्रम डिज़ाइन के माध्यम से, यह युयाओ के इन-हाउस प्रायोगिक प्लेटफ़ॉर्म पर बंद-लूप वेट-लैब प्रयोगों द्वारा मान्य सटीक भविष्यवाणियां प्रदान करता है - मैटरसीक केवल एक भविष्यवाणी उपकरण नहीं है, बल्कि एक उच्च-विश्वास, औद्योगिक रूप से तैनात करने योग्य निष्पादन समाधान है।

मुख्य विशेषताएं
भौतिकी बाधाओं के साथ उन्नत एल्गोरिदम- भौतिकी-तर्क-संचालित, 92% मॉडल स्व-विकसित।
01
1,035 सामग्री विवरणक + 192 डोमेन-विशिष्ट उप-मॉडल- विभिन्न सामग्री प्रणालियों की भविष्यवाणी आवश्यकताओं के अनुरूप सटीक रूप से तैयार किया गया।
02
सार्वभौमिक कवरेज- अकार्बनिक और कार्बनिक सामग्री अनुसंधान एवं विकास दोनों के लिए डिज़ाइन किया गया।
03
बंद प्रायोगिक लूप- हमारी इन-हाउस प्रयोगशाला 24/7 स्वचालित प्रयोग चलाती है, पुनरावर्ती प्रशिक्षण और निरंतर क्षमता सुधार के लिए डेटा को मॉडल में वापस फीड करती है।
04
मुख्य क्षमताएँ
| क्षमता | विवरण |
|---|---|
| उलटा डिज़ाइन | उपयोगकर्ता बस एक नई सामग्री के लक्ष्य गुणों को इनपुट करते हैं, और मॉडल सीधे अनुमानित संरचना, प्रक्रिया और संरचना को आउटपुट करता है। |
| चयनात्मक इनपुट | किसी पेशेवर संकेत की आवश्यकता नहीं है - एक इंटरैक्टिव आवर्त सारणी से सीधे तत्वों का चयन करें। |
| तत्व बाधा फ़िल्टरिंग | मौलिक संरचना सीमा के आधार पर उम्मीदवार सामग्री स्थान को तेजी से फ़िल्टर करें। |
| कस्टम प्रॉपर्टी मेट्रिक्स | ऑन-डिमांड फ़ॉरवर्ड डिज़ाइन के लिए लक्ष्य गुणों को लचीले ढंग से परिभाषित करें। |
| बहुआयामी विज़ुअलाइज़ेशन | निर्णय लेने में सहायता के लिए पूर्वानुमान परिणाम कई दृष्टिकोणों से प्रस्तुत किए जाते हैं। |

| कदम | मैटरसीक क्या करता है |
|---|---|
| इनपुट आवश्यकताएँ | प्राकृतिक-भाषा रसायन शास्त्र निर्देश, लक्ष्य संपत्ति मेट्रिक्स, और मौलिक बाधाएं सभी इनपुट के रूप में काम कर सकते हैं। |
| मॉडल अनुमान | मॉडल के मूल में मल्टी-मॉड्यूल गणना और एक ही टोपोलॉजी के भीतर समवर्ती फ़ंक्शन कॉल के माध्यम से, संबंधित डोमेन-विशिष्ट उप-मॉडल को संपत्ति भविष्यवाणी या संरचना उलटा पूरा करने के लिए लागू किया जाता है। |
| आउटपुट परिणाम | अनुशंसित रचनाएँ और क्रिस्टल संरचनाएँ, संश्लेषण प्रक्रिया मापदंडों के साथ, बहु-आयामी दृश्य के साथ प्रस्तुत की गईं। |
| प्रयोगशाला संश्लेषण | हमारी घरेलू प्रयोगशाला 24/7 स्वचालित प्रयोग चलाती है; वास्तविक प्रयोगात्मक डेटा एकत्र किया जाता है और ऑनलाइन मॉडल प्रशिक्षण के लिए वापस फीड किया जाता है, जिससे मॉडल प्रदर्शन को लगातार अनुकूलित किया जाता है। |
| लक्षण वर्णन एवं सत्यापन | एक्सआरडी चरण विश्लेषण और एसईएम/ईडीएस आकृति विज्ञान और संरचना विश्लेषण, अनुमानित मूल्यों के विरुद्ध मापा मूल्यों की तुलना करना। |
मॉडल वास्तुकला
| वस्तु | विवरण |
|---|---|
| वास्तुकला | मालिकाना एचएनएन श्रेणीबद्ध तंत्रिका नेटवर्क (भौतिकी-तर्क-संचालित)। दो-स्तरीय डिज़ाइन: एक साझा बैकबोन 1,035-डी फ़िंगरप्रिंट से क्रॉस-डोमेन सामग्री प्रतिनिधित्व सीखता है; शीर्ष पर 192 द्वितीय-स्तरीय विशेषज्ञ उप-मॉडल हैं जिन्हें 17 प्रथम-स्तरीय ऊर्ध्वाधर डोमेन के अंतर्गत समूहीकृत किया गया है, प्रत्येक उन सामग्रियों पर ठीक-ठाक है जो लक्ष्य संपत्ति प्रदर्शित करते हैं। भौतिकी-सूचित नियमितीकरण समरूपता, संरक्षण कानूनों और थर्मोडायनामिक बाधाओं को नरम दंड के रूप में एम्बेड करता है, इसलिए नेटवर्क शुद्ध इंटरपोलेशन के बजाय भौतिक रूप से प्रशंसनीय भविष्यवाणियों का उत्पादन करता है। |
| सामग्री वर्णनकर्ता | 1035 |
| डोमेन उप-मॉडल | 192 द्वितीय-स्तरीय प्रदर्शन-परिवर्तनीय उप-मॉडल 17 प्रथम-स्तरीय ऊर्ध्वाधर डोमेन के तहत आयोजित किए गए: सुपरकंडक्टिविटी, मैग्नेटोकलोरिक, मैग्नेटो-ट्रांसपोर्ट, मैग्नेटिज्म, कैटेलिसिस और सतह, इलेक्ट्रॉनिक ट्रांसपोर्ट, प्रकाशिकी, परमाणु और विकिरण, यांत्रिकी, क्रिस्टल संरचना, थर्मोइलेक्ट्रिक्स, थर्मोडायनामिक्स, थर्मल ट्रांसपोर्ट, फोनन, फेरोइलेक्ट्रिक्स, बैरोकैलोरिक, और निर्माण और लागत। प्रत्येक उप-मॉडल उन सामग्रियों पर एक समर्पित भविष्यवक्ता है जो लक्ष्य संपत्ति को प्रदर्शित करता है। नीचे श्रेणी विवरण देखें। |
| इनपुट प्रारूप | प्राकृतिक-भाषा निर्देश, संपत्ति लक्ष्य, रचना सूत्र। |
| आउटपुट स्वरूप | अनिश्चितता सीमा के साथ अनुमानित गुण, अनुशंसित रचनाएं (पेरेटो-फ्रंट उम्मीदवार), प्रसंस्करण पैरामीटर (सिंटरिंग / एनीलिंग विंडो), और रैंक किए गए प्रयोग प्रस्ताव। |
| प्रशिक्षण | दो-चरणीय पाठ्यक्रम: (1) स्व-पर्यवेक्षित नकाबपोश-फिंगरप्रिंट / संरचना पुनर्निर्माण के माध्यम से बड़े पैमाने पर संरचना-संरचना-संपत्ति रिकॉर्ड पर पूर्व-प्रशिक्षण; (2) भौतिकी-सूचित हानि, सक्रिय-शिक्षण फीडबैक लूप और बायेसियन / एनएसजीए-निर्देशित उम्मीदवार चयन के साथ डोमेन को ठीक करना। |
प्रशिक्षण डेटा
| वस्तु | विवरण |
|---|---|
| डेटा स्रोत | मुख्य रूप से मालिकाना उच्च-थ्रूपुट प्रयोगात्मक डेटाबेस और क्यूरेटेड साहित्य माप (संपत्ति मूल्य); संरचनात्मक डेटा (क्रिस्टल संरचना, जाली, अंतरिक्ष समूह) डीएफटी गणना द्वारा पूरक। |
| पैमाना | कई मिलियन संरचना-संरचना-संपत्ति रिकॉर्ड, प्रयोग-प्रमुख (गणना की गई या मापी गई संरचनाओं के साथ जोड़ी गई प्रायोगिक संपत्ति माप), सक्रिय सीखने के माध्यम से लगातार विस्तार हो रहा है। |
| सामग्री प्रणालियाँ | सामग्री प्रणालियों को लक्ष्य प्रदर्शन चर के अनुसार गतिशील रूप से चुना जाता है (प्रत्येक उप-मॉडल को उन सामग्रियों पर प्रशिक्षित किया जाता है जो उस संपत्ति को प्रदर्शित करते हैं), एक निश्चित मिश्र धातु / सिरेमिक सूची तक सीमित होने के बजाय। |
| सफ़ाई एवं डिडअप | स्वचालित पाइपलाइन: यूनिट-सेल सामान्यीकरण, चरण/अंतरिक्ष-समूह सामंजस्य, संरचना-राउंडिंग विहितीकरण, डुप्लिकेट-रिकॉर्ड विलय, डीएफटी↔प्रयोगात्मक स्थिरता के खिलाफ बाहरी पता लगाना, और रिसाव को रोकने के लिए सामग्री परिवार द्वारा ट्रेन/वैल/परीक्षण विभाजन। |
मानक
हमारे अपने कोष के भीतर सामग्री परिवार द्वारा विभाजित आयोजित प्रायोगिक परीक्षण सेटों पर सटीकता की सूचना दी जाती है। कोई भी सार्वजनिक बेंचमार्क या सहकर्मी मॉडल 192 प्रदर्शन चर के इस सटीक सेट को कवर नहीं करता है, इसलिए क्रॉस-मॉडल सहकर्मी तुलना लागू नहीं है।
कवरेज और सर्वोत्तम प्रथाएँ
कवरेज सीमा:
मैटरसीक अपने 17 ऊर्ध्वाधर डोमेन और 192 लक्ष्य संपत्तियों के भीतर उत्पादन-ग्रेड पूर्वानुमान प्रदान करता है। वर्तमान वर्गीकरण के बाहर उभरते तत्व संयोजनों या गुणों के लिए, मॉडल को हमारे सक्रिय-शिक्षण लूप के माध्यम से मांग पर बढ़ाया जा सकता है - कुछ नए प्रयोग पूर्ण पुनर्प्रशिक्षण के बजाय एक नए उप-मॉडल को बूटस्ट्रैप करते हैं।
अनुशंसित उपयोग:
प्रयोगों को प्राथमिकता देने के लिए तेज़ स्क्रीनिंग और निर्णय-समर्थन परत के रूप में भविष्यवाणियों का उपयोग करें, न कि अंतिम लक्षण वर्णन के विकल्प के रूप में।
अनुशंसित संरचना-प्रसंस्करण विंडो के साथ मॉडल आउटपुट को युग्मित करें; पेरेटो-फ्रंट उम्मीदवारों को बहुउद्देश्यीय डिजाइन के लिए रैंक किया गया है।
महत्वपूर्ण या विनियमित अनुप्रयोगों के लिए, स्केल-अप से पहले शीर्ष उम्मीदवारों को ऑफ़लाइन मान्य करें।
मॉडल सक्रिय रूप से अतिरिक्त कार्यक्षेत्रों (उदाहरण के लिए, बायोफार्मा विषाक्तता, दीर्घकालिक विश्वसनीयता) में विस्तार कर रहा है - नवीनतम रोडमैप के लिए हमसे संपर्क करें।
अनाकार कार्यात्मक सामग्रियों का विकास और सत्यापन




