在当前云计算已经非常成熟的情况下,算力已经不再是一个问题。然而,材料合成仍然受到合成路径复杂度和缺乏数据集等因素的限制,目前尚未有清晰的化学合成路径预测机制。突破这个瓶颈的关键是拥有 “数量足够多、质量足够好” 的数据,以支持 AI 模型的深度学习和迭代算法,这是我们可以摘到材料研究 “高悬果实” 的云梯。
那AI技术可以帮助新材料研究做什么呢?以晶泰科技为客户提供的 ”自动化功能材料研发实验室” 为例,我们使用高精度的计算模拟方法,对材料的性质进行预测,并使用大量模拟数据构建基础的 AI 模型,结合真实的实验数据得到精修的 AI 模型,以此实现预期性质材料的智能设计。而后自动化工作站对材料进行合成与表征,收集的数据进一步优化模型,从而加速设计、合成、分析、测试 DMTA 循环,这也是加速新材料发现的技术逻辑。
[来源:晶泰科技]
ChemPlus® 应用报告 | 药物固体形态研究中的API粉末分装
2024.07.05
实验室里探乾坤,CPHI & PMEC China 2024 走进晶泰科技
2024.06.21
2024.06.13
2024.06.07
2024.05.28
版权与免责声明:
① 凡本网注明"来源:仪器信息网"的所有作品,版权均属于仪器信息网,未经本网授权不得转载、摘编或利用其它方式使用。已获本网授权的作品,应在授权范围内使用,并注明"来源:仪器信息网"。违者本网将追究相关法律责任。
② 本网凡注明"来源:xxx(非本网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,且不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、网站或个人从本网下载使用,必须保留本网注明的"稿件来源",并自负版权等法律责任。
③ 如涉及作品内容、版权等问题,请在作品发表之日起两周内与本网联系,否则视为默认仪器信息网有权转载。
谢谢您的赞赏,您的鼓励是我前进的动力~
打赏失败了~
评论成功+4积分
评论成功,积分获取达到限制
投票成功~
投票失败了~