Yu yao MatterSeek - 신소재 예측을 위한 보편적 기초 모델(베타)

 

logo

MatterSeek - 보편적인 신소재 예측을 위한 물리학-추론 기반, 언어에 구애받지 않는 기초 모델

시행착오의 끝 - R&D의 새로운 패러다임 개척: 역설계, 정밀합성

재료가 생명처럼 진화하도록 하세요
신소재 발견 가속화
실험 횟수 감소, 성능 향상

 

 

MatterSeek는 Yuyao Technology(중국)가 공식적으로 자랑스럽게 출시한 신소재 예측을 위한 물리학 추론 기반 범용 기반 모델입니다. 고급 알고리즘과 높은 표준 실험 데이터를 기반으로 구축된 무기 및 유기 신소재 R&D 시나리오를 제공하여 전 세계 연구원에게 원스톱 서비스를 제공합니다.

이 모델은 고차원 공간에서 구성, 구조, 프로세스 및 성능 간의 강력하게 결합된 관계를 깨뜨립니다. 순방향 및 역방향 설계를 통해 Yuyao의 내부 실험 플랫폼에 대한 폐쇄 루프 습식 실험실 실험을 통해 검증된 정확한 예측을 제공합니다. MatterSeek는 단순한 예측 도구가 아니라 신뢰도가 높고 산업적으로 배포 가능한 실행 솔루션입니다.

Yuyao

 

핵심 기능

 

물리 제약 조건을 갖춘 고급 알고리즘- 물리학적 추론 중심으로 모델의 92%가 자체 개발되었습니다.

01

1,035개의 재료 설명자 + 192 도메인별 하위 모델- 다양한 재료 시스템의 예측 요구 사항에 정확하게 맞춰졌습니다.

02

보편적인 적용 범위- 무기 및 유기 재료 R&D를 위해 설계되었습니다.

03

폐쇄형 실험 루프- 당사 내부 연구실에서는 자동화된 실험을 연중무휴 24시간 실행하여 재귀적 훈련과 지속적인 역량 향상을 위해 데이터를 모델에 다시 공급합니다.

04

 

핵심 역량

 

능력 설명
리버스 디자인 사용자는 새로운 재료의 목표 특성을 입력하기만 하면 모델이 예측된 구성, 공정 및 구조를 직접 출력합니다.
선택적 입력 전문적인 안내가 필요하지 않습니다. 대화형 주기율표에서 직접 원소를 선택하세요.
요소 제약 필터링 원소 조성 범위에 따라 후보 재료 공간을 신속하게 필터링합니다.
사용자 정의 속성 지표 주문형 순방향 설계를 위한 대상 속성을 유연하게 정의합니다.
다차원 시각화 의사결정을 지원하기 위해 다양한 관점에서 예측 결과를 제시합니다.

 

Yuyao2

 

단계 MatterSeek이 하는 일
입력 요구 사항 자연어 화학 지침, 대상 속성 측정항목 및 원소 제약 조건은 모두 입력으로 사용될 수 있습니다.
모델 추론 모델의 핵심에서의 다중 모듈 계산과 동일한 토폴로지 내의 동시 함수 호출을 통해 해당 도메인별 하위 모델이 호출되어 속성 예측 또는 구성 반전을 완료합니다.
출력 결과 다차원 시각화를 통해 제시된 합성 공정 매개변수와 함께 권장 조성 및 결정 구조.
실험실 합성 우리 내부 연구실은 자동화된 실험을 연중무휴 24시간 운영합니다. 실제 실험 데이터는 온라인 모델 교육을 위해 수집 및 피드백되어 모델 성능을 지속적으로 최적화합니다.
특성화 및 검증 XRD 상 분석, SEM/EDS 형태 및 구성 분석을 통해 측정값과 예측값을 비교합니다.

 

모델 아키텍처

 

목 설명
건축학 독점 HNN 계층적 신경망(물리 추론 기반). 2계층 설계: 공유 백본은 1,035-d 지문에서 도메인 간 자료 표현을 학습합니다. 맨 위에는 17개의 1차 수직 영역으로 그룹화된 192개의 2차 전문 하위 모델이 있으며, 각 영역은 목표 특성을 나타내는 재료에 따라 미세 조정됩니다. 물리학 기반 정규화는 대칭, 보존 법칙 및 열역학적 제약 조건을 소프트 페널티로 포함하므로 네트워크는 순수한 보간법이 아닌 물리적으로 그럴듯한 예측을 출력합니다.
재료 설명자 1035
도메인 하위 모델 초전도성, 자기열량, 자기수송, 자성, 촉매 및 표면, 전자 수송, 광학, 핵 및 방사선, 역학, 결정 구조, 열전, 열역학, 열 전달, 포논, 강유전체, 기압열량, 제조 및 비용 등 17개의 1차 수준 수직 영역으로 구성된 192개의 2차 성능 변수 하위 모델. 각 하위 모델은 목표 속성을 나타내는 재료에 대해 미세 조정된 전용 예측 변수입니다. 아래 카테고리 분석을 참조하세요.
입력 형식 자연어 명령어, 속성 타겟, 구성 공식.
출력 형식 불확실성 한계, 권장 조성(파레토프론트 후보), 처리 매개변수(소결/어닐링 창) 및 순위가 매겨진 실험 제안을 포함한 예측된 특성입니다.
훈련 2단계 커리큘럼: (1) 자기 감독 마스크 지문/구조 재구성을 통한 대규모 구성-구조-속성 기록에 대한 사전 훈련; (2) 물리 기반 손실, 활성 학습 피드백 루프 및 베이지안/NSGA 기반 후보 선택을 통한 도메인 미세 조정.

 

9b104740-86ea-405a-abb3-820e5a3150d601
9b104740-86ea-405a-abb3-820e5a3150d603

 

 

훈련 데이터

 

목 설명
데이터 소스 주로 독점적인 높은 처리량 실험 데이터베이스 및 엄선된 문헌 측정(속성 값) DFT 계산으로 보완된 구조 데이터(결정 구조, 격자, 공간군).
규모 수백만 개의 구성-구조-속성 기록, 실험 중심(계산 또는 측정된 구조와 결합된 실험적 속성 측정), 능동 학습을 통해 지속적으로 확장됩니다.
재료 시스템 재료 시스템은 고정된 합금/세라믹 목록으로 제한되지 않고 목표 성능 변수(각 하위 모델이 해당 특성을 나타내는 재료에 대해 훈련됨)에 따라 동적으로 선택됩니다.
청소 및 중복제거 자동화된 파이프라인: 단위 셀 정규화, 위상/공간 그룹 조정, 구성 반올림 정규화, 중복 레코드 병합, DFT←실험적 일관성에 대한 이상치 감지, 누출 방지를 위한 재료군별 훈련/평가/테스트 분할.

 

벤치마크

 

정확도는 자체 코퍼스 내의 재료 계열별로 분할된 보유 실험 테스트 세트에 대해 보고됩니다. 공개 벤치마크나 동종 모델이 이 정확한 192개 성능 변수 세트를 다루지 않으므로 모델 간 동종 비교가 적용되지 않습니다.

 

적용 범위 및 모범 사례

 

1

적용 범위 경계:

MatterSeek는 17개의 수직 영역과 192개의 대상 속성 내에서 생산 수준의 예측을 제공합니다. 현재 분류법 외부의 새로운 요소 조합 또는 속성의 경우 활성 학습 루프를 통해 요청에 따라 모델을 확장할 수 있습니다. 몇 가지 새로운 실험은 전체 재교육이 아닌 새로운 하위 모델을 부트스트랩합니다.

2

권장 용도:

최종 특성화를 대체하는 것이 아니라 실험의 우선순위를 정하기 위한 빠른 스크리닝 및 의사결정 지원 계층으로 예측을 사용하십시오.

모델 출력을 권장 구성 처리 창과 결합합니다. 파레토프론트 후보는 다목적 설계 부문에서 순위가 ​​매겨집니다.

중요하거나 규제 대상 애플리케이션의 경우 확장하기 전에 오프라인으로 상위 후보를 검증하세요.

이 모델은 추가 업종(예: 바이오의약품 독성, 장기 신뢰성)으로 적극적으로 확장되고 있습니다. 최신 로드맵을 알아보려면 당사에 문의하세요.

 

 

무정형 기능성 소재 개발 및 검증

 

Yuyao4

 

Yuyao5