Keramik och oorganiska material

img-mv26w6zy-c78bfa98

Beskrivning


Optimera keramiska kompositioner och sintringsfönster genom förutsägelse. MatterSeek förutsäger oorganiska materialegenskaper från sammansättning.

 

7 43

Keramik och oorganiska material — Materialsystem / Förutsägbar prestanda / Valideringsväg

 

 

 

 

 

AI för avancerad keramik och oorganiska material — Optimera sintringsfönster med färre tändcykler

 

 

1. MatterSeek är en FoU-plattform för AI-material för avancerad keramik och oorganiska icke-metalliska material.

Den förutsäger materialegenskaper från kemisk sammansättning, så pulverformuleringar, sintringsfönster och funktionella keramiska sammansättningar kan rangordnas innan en eldningskampanj planeras.

2. Keramisk utveckling domineras av processosäkerhet.

Slutlig densitet, fassammansättning och kornstruktur beror på växelverkan mellan pulveregenskaper, additiv kemi och den termiska profilen - och sambandet avslöjas först efter bränning. Eftersom varje sintringscykel förbrukar ugnstid och ger en begränsad datapunkt, utforskar de flesta program ett smalt band runt kända kompositioner.

3. Förutsäg innan du skjuter.

Du definierar baskompositionsuppsättningen och egenskapsfönstret du behöver, och MatterSeek returnerar rankade kandidater med förutspådda egenskaper och osäkerhet. Kompositionshantering stöder ett till fyra baselement med dopningsnivåprecision på 0,02 - den granularitet vid vilken sintringshjälpmedel och dopningsstudier specificeras. Förutsägelsen slutförs på ungefär en minut för två baselement, två minuter för tre och sju minuter för fyra. Resultaten returneras som radardiagram för flera fastigheter, 2D- och 3D-värmekartor som visar hur egenskaperna skiftar över ett sammansättningsområde och exporterbara datatabeller.

4. Egenskaper som är relevanta för oorganiska material.

Förutsägelsemotorn spänner över termodynamiska, termiska, mekaniska, elektrokemiska, dielektriska och elektroniska egenskapsfamiljer, inklusive smältpunkt, dielektricitetskonstant och supraledande kritisk temperatur – parametrar som styr sintringstemperaturval, dielektrisk keramik och funktionellt oxidbeteende.

5. Validera i ett autonomt laboratorium byggt runt den keramiska kedjan.

Förutspådda kompositioner kommer in i MatterSeeks 1 200 m² autonoma laboratorium, vars sex processkluster designades kring oorganiska icke-metalliska material. Solid-state-klustret täcker pulverbatchning, kulfräsning, spraytorkning, torrpressning med kall isostatisk pressning, sintring under luft, vakuum eller kontrollerad atmosfär, glödgning och tärning. Våtkemiklustret täcker prekursorframställning, hydrotermisk syntes, kalcinering och klassificering. Sol-gel-klustret går genom hydrolys, gelåldring, lösningsmedelsutbyte och superkritisk CO₂-torkning - vägen till aerogel-värmeisoleringsmaterial och bärare med hög yta. Automatiserad karakterisering inkluderar XRD, XRF, BET-yta, Raman och simultan termisk analys, med ett uttalat mål på 300 till 500 prover per dag beroende på rutten. Prediktionsnoggrannheten är 95,7 % mot fysisk mätning.

6. Familjeskydd inkluderar

avancerad strukturell och funktionell keramik, piezoelektrisk keramik, termiska barriärbeläggningar, aerogelisolering, fastoxiderade bränslecellsmaterial, glas och glaskeramik och eldfasta sammansättningar.

 

FAQ

 

 

F: Kan MatterSeek förutsäga en keramiks egenskaper före sintring?

A: Ja. Egenskaper förutsägs utifrån sammansättning med ett osäkerhetsintervall, så kandidatformuleringar kan rangordnas innan någon ugnstid bestäms.

F: Vilka sintringsrutter är tillgängliga för validering?

S: Luft-, vakuum- och sintring med kontrollerad atmosfär, gnistplasmasintring, kalcinering och glödgning – allt automatiserat inom det autonoma laboratoriet.

F: Stöds aerogelbearbetning?

A: Ja. Sol-gel-klustret inkluderar lösningsmedelsutbyte och superkritisk CO₂-torkning.

Yuyao (Beijing) Technology Co., Ltd. är ett professionellt företag specialiserat på skärningspunkten mellan AI och avancerade material av keramik och oorganiska material. Företaget har självständigt utvecklat MatterSeek – en grundläggande stor modell skräddarsydd för materialsektorn – och banat väg för HNN (Hierarchical Neural Network)-algoritmen, samtidigt som de byggde upp en egenutvecklad, kontrollerbar materialexperimentdatabas.