Yuyao Technology uzsāk 'MatterSeek' globāli; Platforma tagad bez maksas pieejama pētniekiem visā pasaulē

Oct 28, 2026 Atstāj ziņu

Vienlaicīgi pieejams uzņēmuma oficiālajā aizjūras tīmekļa vietnē un Hugging Face AI mākoņa platformā, MatterSeek nodrošina AI vadītu materiālu pētniecību un izstrādi no "gada mēroga" cikliem līdz "mēneša mēroga" efektivitātei.

 


 

29. oktobrī MatterSeek — ar AI darbināma materiālu pētniecības un izstrādes platforma, ko izstrādājusi Yuyao Technology — oficiāli tika atklāta visā pasaulē, izmantojot tās starptautisko tīmekļa vietni unHugging Face ir pasaulē vadošā atvērtā pirmkoda AI modeļu mitināšanas un sadarbības platforma. Programmatūra tagad ir pieejama bezmaksas lejupielādei, un tā ir pieejama pētniekiem un zinātniekiem visā pasaulē. Šis pavērsiens iezīmē kritisku soli Yuyao Technology globālajā paplašināšanā jaunu materiālu pamata mākslīgā intelekta inovācijas jomā, paātrinot materiālu pētniecības un izstrādes pāreju no tradicionālajiem gadiem ilgajiem izstrādes cikliem uz laika posmu, kas mērāms mēnešos.

 

Materiālu pētniecību un izstrādi jau sen kavē pastāvīgi, nozares mēroga izaicinājumi, tostarp ilgstoši izstrādes cikli, sadrumstaloti dati, zema eksperimentālā efektivitāte un grūtības veikt prognozes dažādos mērogos. Saskaņā ar tradicionālo "izmēģinājumu un kļūdu" paradigmu jauna materiāla nogādāšana no laboratorijas līdz masveida ražošanai parasti aizņem 10 līdz 15 gadus. Turklāt materiālu dati bieži ir izkaisīti un neviendabīgi, apgrūtinot sistemātisku ieguvi un atkārtotu izmantošanu; manuālie sintēzes un raksturošanas procesi ir neefektīvi, un lielas caurlaidības paralēlo eksperimentu īstenošana joprojām ir sarežģīta. Turklāt jau sen ir trūcis efektīvu, praktisku rīku, lai prognozētu materiāla īpašības dažādās skalās - no atomu līmeņa līdz makroskopiskajai veiktspējai.

 

Lai novērstu šos sāpju punktus, Yuyao Technology izstrādāja MatterSeek, AI + MGI (Materials Genome Initiative) pētniecības un attīstības platformu. Platforma, ko darbina uzņēmuma patentētais HNN (hierarhiskais neironu tīkls), aptver trīs galvenās pētniecības un attīstības jomas: neorganiskos materiālus, organiskos materiālus un biofarmaceitiskos produktus. Tas ir viens no nedaudzajiem liela mēroga, uz valodu nebalstītiem prognozēšanas modeļiem jauniem materiāliem, ko nosaka fizisks pamatojums. Atšķirībā no tradicionālajiem lielo valodu modeļiem, MatterSeek integrē visu “prognozēšanas–sintēzes–raksturošanas” darbplūsmu, aptverot visu materiālu pētniecības un izstrādes vērtību ķēdi. Izmantojot fiziskos modeļus kā pamata dzinēju, ko papildina paša uzņēmuma laboratorijas, lai izveidotu slēgta cikla sistēmu reāliem fiziskiem eksperimentiem, MatterSeek piedāvā sistemātisku risinājumu četrām galvenajām problēmām, ar kurām saskaras materiālu nozare, padarot to par unikālu un ļoti vērtīgu līdzekli globālajā "AI zinātnei" vidē.

 

Runājot par funkcionalitāti, MatterSeek izveido pilnīgu pētniecības un izstrādes slēgto cilpu — no viedās ievades līdz gala izvadei, ievērojami samazinot šķēršļus digitālo materiālu pētniecības un izstrādes ienākšanai tirgū.

 

Yuyao Technology laiž klajā "MatterSeek" globāli; Platforma tagad bez maksas pieejama pētniekiem visā pasaulē

29. oktobrī MatterSeek — ar AI darbināma materiālu pētniecības un izstrādes platforma, ko izstrādājusi Yuyao Technology — oficiāli tika atklāta visā pasaulē, izmantojot tās starptautisko vietni un HuggingFace AI mākoņa platformu. Programmatūra tagad ir pieejama bezmaksas lejupielādei, un tā ir pieejama pētniekiem un zinātniekiem visā pasaulē. Šis pavērsiens iezīmē kritisku soli Yuyao Technology globālajā paplašināšanā jaunu materiālu pamata mākslīgā intelekta inovācijas jomā, paātrinot materiālu pētniecības un izstrādes pāreju no tradicionālajiem gadiem ilgajiem izstrādes cikliem uz laika posmu, kas mērāms mēnešos.

 

Materiālu pētniecību un izstrādi jau sen kavē pastāvīgi, nozares mēroga izaicinājumi, tostarp ilgstoši izstrādes cikli, sadrumstaloti dati, zema eksperimentālā efektivitāte un grūtības veikt prognozes dažādos mērogos. Saskaņā ar tradicionālo "izmēģinājumu un kļūdu" paradigmu jauna materiāla nogādāšana no laboratorijas līdz masveida ražošanai parasti aizņem 10 līdz 15 gadus. Turklāt materiālu dati bieži ir izkaisīti un neviendabīgi, apgrūtinot sistemātisku ieguvi un atkārtotu izmantošanu; manuālie sintēzes un raksturošanas procesi ir neefektīvi, un lielas caurlaidības paralēlo eksperimentu īstenošana joprojām ir sarežģīta. Turklāt jau sen ir trūcis efektīvu, praktisku rīku, lai prognozētu materiāla īpašības dažādās skalās - no atomu līmeņa līdz makroskopiskajai veiktspējai.

 

Lai novērstu šos sāpju punktus, Yuyao Technology izstrādāja MatterSeek, AI + MGI (Materials Genome Initiative) pētniecības un attīstības platformu. Platforma, ko darbina uzņēmuma patentētais HNN (hierarhiskais neironu tīkls), aptver trīs galvenās pētniecības un attīstības jomas: neorganiskos materiālus, organiskos materiālus un biofarmaceitiskos produktus. Tas ir viens no nedaudzajiem liela mēroga, uz valodu nebalstītiem prognozēšanas modeļiem jauniem materiāliem, ko nosaka fizisks pamatojums. Atšķirībā no tradicionālajiem lielo valodu modeļiem, MatterSeek integrē visu “prognozēšanas–sintēzes–raksturošanas” darbplūsmu, aptverot visu materiālu pētniecības un izstrādes vērtību ķēdi. Izmantojot fiziskos modeļus kā pamata dzinēju, ko papildina paša uzņēmuma laboratorijas, lai izveidotu slēgta cikla sistēmu reāliem fiziskiem eksperimentiem, MatterSeek piedāvā sistemātisku risinājumu četrām galvenajām problēmām, ar kurām saskaras materiālu nozare, padarot to par unikālu un ļoti vērtīgu līdzekli globālajā "AI zinātnei" vidē.

 

Runājot par funkcionalitāti, MatterSeek izveido pilnīgu pētniecības un izstrādes slēgto cilpu — no viedās ievades līdz gala izvadei, ievērojami samazinot šķēršļus digitālo materiālu pētniecības un izstrādes ienākšanai tirgū.

 

Attīstības scenāriji visā materiālu ainavā

Tā kā MatterSeek prognozē no fizikas, nevis valodas modeļiem, vienu modeli var izmantot plašā materiālu izstrādes scenāriju klāstā — no atomu mēroga kompozīcijas skrīninga līdz formulējuma līmeņa optimizācijai. Papildus iepriekšminētajām komerciālajām izvietošanām platforma ir izveidota, lai atbalstītu pētniecības un attīstības komandas šādos virzienos:

Pusvadītāji un mikroelektronika- zemas k un augstas k dielektriķu, platjoslas pusvadītāju un iepakojuma vai termiskās saskarnes materiālu skrīnings pret dielektriskās konstantes, termiskās stabilitātes un procesa saderības mērķiem.

Akumulatoru un enerģijas uzglabāšana- Katoda, anoda un cieto elektrolītu kompozīciju izpēte un kandidātu sarindošana pēc jonu vadītspējas, elektroķīmiskā loga un termiskās stabilitātes pirms sintēzes uzsākšanas.

Fotoelementi un saules enerģija- absorbētāju slāņu, pasivācijas plēvju un iekapsulēšanas materiālu novērtēšana, uztverot joslas spraugu, defektu toleranci un ilgtermiņa stabilitāti kā locītavu ierobežojumus, nevis secīgus izmēģinājumus un kļūdas.

Katalīze un ķimikālijas- katalizatoru un atbalsta kompozīciju kartēšana attiecībā pret aktivitātes, selektivitātes un izturības deskriptoriem un eksperimentālās telpas sašaurināšana pirms stenda mēroga testēšanas.

Polimēri un organiskie materiāli- monomēru un mugurkaula izvēles saistīšana ar stiklojuma pārejas temperatūru, dielektrisko uzvedību, mehānisko veiktspēju un noārdīšanās profiliem, tostarp pārstrādājamiem un bioloģiski noārdāmiem preparātiem.

Metāli un sakausējumi- fāzes stabilitātes, kušanas temperatūras un augstas temperatūras veiktspējas prognozēšana supersakausējumiem, vieglajiem sakausējumiem un strukturālajiem metāliem, kā arī daudzsološu kompozīciju atzīmēšana kausēšanas un liešanas izmēģinājumiem.

Keramika un neorganiskie materiāli- strukturālās un funkcionālās keramikas, tostarp pjezoelektrisko un dielektrisko kompozīciju skrīnings, lai noteiktu termiskā trieciena izturību, saķepināšanas uzvedību un elektromehānisko reakciju.

Bioloģija un farmācija- atbalstīt formulu un palīgvielu atlasi, sāļu un polimorfu skrīningu un stabilitātes novērtēšanu bioloģiskai un mazu molekulu attīstībai, kur kandidātu telpa ir plaša un katrs eksperiments ir dārgs.

 

Visos šajos virzienos lietotāji strādā vienā saskarnē: apraksta mērķi dabiskā valodā, ierobežo elementu vietu vizualizētajā periodiskajā tabulā un salīdzina kandidātu kompozīcijas vairākos paredzētos īpašumos, lai izstrādes programmu varētu secināt mēnešos, nevis gados.

 

Pamattehnoloģiju līmenī MatterSeek izmanto HNN algoritmu, lai panāktu dažu kadru prognozēšanu. Tajā ir iekļauti 1035 iebūvēti materiālu deskriptori, pašu izstrādāta modeļa parametru likme 92% apmērā un 188 vertikālā domēna apakšmodeļi, kas nostiprina platformas tehnoloģisko pamatu.

 

YuYao (Pekina) Technology Co., Ltd. ir valsts augsto tehnoloģiju uzņēmums un Pekinas "specializēts, rafinēts, atšķirīgs un novatorisks" (SRDI) mazs un vidējs uzņēmums, kas ir dziļi iesaistīts Ķīnas "AI + jauni materiāli" starpinovācijas jomā. Uzņēmums koncentrējas uz mākslīgā intelekta un jaunu materiālu krustpunktu; tās pamatdarbības ietver jaunu materiālu liela modeļa pētniecību un izstrādi, atbalsta tehniskos pakalpojumus un jaunu materiālu rezultātu industrializāciju. Komanda kopumā ir iesniegusi 27 nacionālos patentus. Tās galvenie produkti un pakalpojumi ietver pašu izstrādātus AI materiālu modeļus, augstas precizitātes eksperimentālās datu bāzes jauniem materiāliem un pielāgotus jaunu materiālu pētniecības un izstrādes pakalpojumus, kas nodrošina viedo materiālu pētniecību un izstrādi visās jomās.

 

Pētnieki visā pasaulē var iegūt bezmaksas lejupielādes piekļuvi MatterSeek klientam, YuYao Technology vadošajai AI programmatūrai, izmantojot uzņēmuma aizjūras oficiālo vietni un Hugging Face AI mākoņa platformu. Raugoties nākotnē, YuYao Technology turpinās atkārtot un optimizēt savu modeļu iespējas atbilstoši globālo pētniecības lietotāju patiesajām vajadzībām, strādājot kopā ar pētniekiem visā pasaulē, lai paplašinātu jaunu materiālu inovācijas robežas.