Die F&E-Geschwindigkeit Ist 100-mal Schneller Und Die Kosten Werden Um 90% Gesenkt! Das KI-Materialunternehmen Phaseshift Technologies Entwickelt Legierungen Für Die Bereiche Energie, Luft- Und Raumfahrt, Bergbau Und Automobilindustrie
Von der Steinzeit über die Bronzezeit bis hin zur Eisenzeit ist der Fortschritt der menschlichen Zivilisation aus einer bestimmten Perspektive auch eine Geschichte der materiellen Entwicklung. Auch heute noch sind diese Materialien überall um uns herum zu sehen, von hoch aufragenden Wolkenkratzern bis hin zu winzigen, aber leistungsstarken Smartphone-Chips. Mit der technologischen Entwicklung sind jedoch die Anforderungen an Materialien in verschiedenen Branchen strenger geworden.In vielen Branchen sind die inhärenten Eigenschaften vorhandener Materialien eingeschränkt, was weitere Durchbrüche erschwert.
Beispielsweise hat das Design von Smartphones hinsichtlich Stabilität und Gewicht grundsätzlich das Optimum erreicht. Das heißt, aufgrund des aktuellen Entwicklungsstatus verwandter Materialien wie Glas, Aluminiumlegierungen und Batterien ist es schwierig, das Gewicht von Mobiltelefonen sprunghaft zu reduzieren. Leichte Materialien wie Kunststoffe weisen zudem eine begrenzte Festigkeit auf – sie sind weniger kratzfest und langlebig.
Die Entwicklung eines neuen Materials, das hohe Festigkeit mit geringem Gewicht vereint, ist nicht einfach.Die Entwicklung neuer Materialien ist nicht nur kosten- und zeitintensiv, sondern birgt auch extrem hohe Risiken.Normalerweise können die F&E-Investitionen für ein neues Material 100 Millionen US-Dollar erreichen und es dauert mindestens 10 Jahre, bis die Gewinnschwelle erreicht ist.
Lange Zeit waren nur kapitalkräftige strategische Industrien wie die Luft- und Raumfahrt sowie die Verteidigung in der Lage, eigene Werkstoffe zu entwickeln, während Bereiche wie Bergbau, Energie, Unterhaltungselektronik und Fertigung noch immer mit zahlreichen Herausforderungen bei der Materialentwicklung konfrontiert sind. Daher bleiben viele Unternehmen lieber bei bestehenden Materialien und verlassen sich beispielsweise immer noch auf Legierungen, die vor einem halben Jahrhundert entwickelt wurden.In diesem Fall müssen einige Kompromisse eingegangen werden:
* Werden höhere Materialkosten an die Verbraucher weitergegeben?
* Ist es akzeptabel, eine kritische Komponente zu akzeptieren, allerdings mit einer kürzeren Lebensdauer?
* Sind höhere Wartungskosten akzeptabel, um die mangelnde Materialleistung auszugleichen?
* Werden einige innovative Designs zugunsten der physikalischen Eigenschaften traditioneller Materialien aufgegeben?
* Werden sie weiterhin auf importierte Lieferketten angewiesen sein und die Unsicherheit ertragen, die durch knappe oder teure Rohstoffe entsteht?
Das kanadische Unternehmen Phaseshift Technologies hat eine Lösung für das oben genannte Dilemma bereitgestellt.
Im Jahr 2019 wurde Phaseshift Technologies, ein Unternehmen für fortschrittliche Materialien, offiziell in Kanada gegründet.Engagiert in der Entwicklung von Legierungen und Verbundwerkstoffen der nächsten Generation unter Einsatz von KI-Technologie und Multiskalensimulation.Mit der Rapid Alloy Design (RAD™)-Plattform, die auf MatterMind™ (KI-gesteuertes Legierungsdesign) und Cascade™ (integrierte Multiskalensimulation) basiert, können maßgeschneiderte Legierungen für spezifische Anforderungen und Szenarien in einer Vielzahl von Branchen entwickelt werden.
Laut der offiziellen Website von PhaseshiftDie Methode beschleunigt die Materialentwicklung im Vergleich zu herkömmlichen Methoden um das Hundertfache und senkt gleichzeitig die Kosten.Darüber hinaus können die von ihm entwickelten Legierungen in großem Umfang in der Luft- und Raumfahrt, der Automobilindustrie, der Energie- und Verteidigungsindustrie, im Bergbau und in der modernen Fertigungsindustrie eingesetzt werden.
* Luft- und Raumfahrt: Legierungen der nächsten Generation ermöglichen verbesserte Leistung, geringeres Gewicht und höhere Kraftstoffeffizienz bei gleichzeitiger Einhaltung der Sicherheitsstandards.
* Automobilindustrie: Entwicklung leichterer, festerer Legierungen, die die Kraftstoffeffizienz und Sicherheit verbessern und innovative Fahrzeugdesigns ermöglichen.
* Energie: Speziallegierungen halten extremen Bedingungen stand, verbessern die Haltbarkeit und Effizienz der Geräte und senken die Wartungskosten.
* Verteidigung: Fortschrittliche Legierungen bieten überlegene Leistung und Haltbarkeit und gewährleisten Zuverlässigkeit bei kritischen Missionen.
* Bergbau: Langlebige Legierungen halten rauen Umgebungen stand, verlängern die Lebensdauer der Ausrüstung und steigern die Produktivität im Bergbau.
* Fortschrittliche Fertigung: Maßgeschneiderte Legierungen können die Leistung, Haltbarkeit und Designflexibilität von Produkten verbessern und so Innovationen in Fertigungsprozessen vorantreiben.
Derzeit hat Phaseshift eine Seed-Finanzierungsrunde in Höhe von 3 Millionen US-Dollar abgeschlossen, die von Innospark Ventures geleitet wurde, mit Beteiligung von Draper Associates und First Star Ventures und zusätzlicher Unterstützung durch den Angel-Investor Hustle Fund Angel Squad. Diese Finanzierung wird es Phaseshift ermöglichen, die Entwicklung und Vermarktung neuer Materialien zu beschleunigen.
Fazal Mahmood, Mitbegründer und CEO von Phaseshift, sagte:Wenn die Entwicklung bestimmter Branchen durch die inhärenten Eigenschaften vorhandener Materialien eingeschränkt wird, werden Innovationen auf Materialebene von entscheidender Bedeutung.Unsere KI-Plattform ermöglicht die schnelle Entwicklung spezieller Materialien zur Lösung übersehener industrieller Herausforderungen der realen Welt. Indem wir haltbarere, effizientere und nachhaltigere Materialien bereitstellen, helfen wir der Industrie, Abfall zu reduzieren, Wartungskosten zu senken und die Grenzen von Technik und Fertigung zu erweitern.“
KI + Multiskalensimulation zur Entwicklung von Legierungsmaterialien der nächsten Generation
Das Entwerfen neuer Materialien ist wie das Mischen eines komplexen Rezepts mit einer großen Anzahl von Zutaten. Früher experimentierten Wissenschaftler wie Köche, passten ständig die Proportionen der Zutaten an und beobachteten die Auswirkungen jeder Änderung auf das fertige „Gericht“. So nutzten sie die Versuch-und-Irrtum-Methode, um das beste Rezept zu finden.
Heute lässt Phaseshift künstliche Intelligenz die Rolle dieses „Kochs“ übernehmen. Es kennt nicht nur alle möglichen Kombinationen von „Zutaten“, sondern kann auch vorhersagen, wie sich jede Zutat auf den Gesamtgeschmack des Materials auswirkt, und so ein potenziell „perfektes Rezept“ finden. Darüber hinaus können diese Rezepte mithilfe fortschrittlicher Computermodelle simulieren und ausgewertet werden. Auf diese Weise können Forscher schnell unzählige Kombinationen von Legierungszutaten und Kochmethoden untersuchen, ohne endlose Experimente in der realen Welt durchführen zu müssen.
Wie in der folgenden Abbildung dargestellt,Auf der Plattform von Phaseshift durchläuft die Entwicklung neuer Legierungen fünf Schritte.Zunächst gibt der Benutzer den Zweck der Legierung an und das Unternehmen legt die Designanforderungen fest. zweitens verwendet MatterMind™ KI-Methoden, um neue optimierte Legierungszusammensetzungen zu erzeugen; Drittens bewertet Cascade™ die Legierungsleistung durch Simulationen auf mehreren Skalen wie Nano, Mikro und Makro und aktualisiert das KI-Modell, wobei die oben genannten Schritte wiederholt werden, bis die Designanforderungen erfüllt sind. Viertens: Arbeiten Sie mit Laboren zusammen, um anhand branchenspezifischer Qualifikationskriterien realistische Materialbewertungen durchzuführen. Fünftens: Nutzen Sie maßgeschneiderte Legierungen, um sich einen Wettbewerbsvorteil auf dem Markt zu verschaffen.
Um die oben genannten technologischen Durchbrüche zu erzielen, hat Phaseshift eine Gruppe von Experten auf den Gebieten KI und Materialwissenschaften zusammengestellt.Wie zum Beispiel der Maschinenlernforscher Dr. Osazee Ero und der Computermaterialingenieur Dr. Zhen Li. Dr. Osazee Ero verfügt über mehr als 8 Jahre Erfahrung in der Forschung zum maschinellen Lernen und ist gut im Entwerfen fortschrittlicher KI-Algorithmen, insbesondere im Fertigungsbereich. Dr. Zhen Li verfügt über umfassende Kenntnisse in Materialwissenschaften, FEM-Simulation und fortgeschrittenen Modellierungstechniken sowie 8 Jahre Erfahrung in der numerischen Simulation metallurgischer Prozesse. Er ist davon überzeugt, dass „Modellierung und Simulation nicht nur Werkzeuge zum Verständnis von Materialien sind, sondern auch der Schlüssel zu technischen Innovationen.“
MatterMind™: Proprietäres datengesteuertes KI-Modell zur Entwicklung der „perfekten Legierung“
Der Schlüssel zum Trainieren eines guten KI-Modells liegt in der Verfügbarkeit einer Menge hochwertiger, spezifischer Daten. Allerdings sind die Daten im Bereich der Materialwissenschaften oft verstreut und weisen inkonsistente Standards auf. Viele experimentelle Daten sind in wissenschaftlichen Arbeiten, Unternehmenslabors oder proprietären Datenbanken vorhanden, während öffentliche Daten äußerst begrenzt sind.
Um dieses Problem zu lösen,Phaseshift verwendet eine Kombination aus Experimenten und Simulationen, um autonom hochwertige Datensätze zu generieren.Dieser Ansatz gewährleistet die Konsistenz und Zuverlässigkeit der Daten in allen Kontexten und bietet eine solide Grundlage für die MatterMind™-Plattform.
MatterMind™ kombiniert maschinelles Lernen mit physikbasierter Modellierung.Erstens ist MatterMind™ durch Training mit proprietären Legierungsdatensätzen (sowohl vorhandenen als auch simulierten) in der Lage, den riesigen Bereich der Legierungszusammensetzungen schnell zu analysieren, optimale Legierungsformulierungen vorherzusagen und komplexe, nichtlineare Beziehungen zwischen Elementen, Verarbeitungsbedingungen, Mikrostruktur und Materialeigenschaften aufzudecken, die oft über die menschliche Intuition hinausgehen und nicht einmal direkt in mathematischen Formeln ausgedrückt werden können. Zweitens werden bekannte wissenschaftliche Erkenntnisse aus den Materialwissenschaften, der Physik und der Chemie in das Modell integriert, wodurch es eine größere Vorhersagekraft erhält und neue Legierungszusammensetzungen identifiziert werden können, die die Zieleigenschaften erfüllen könnten.
Darüber hinaus ist MatterMind™ mit fortschrittlichen Algorithmen zur mehrzieligen Optimierung gekoppelt.Finden Sie das beste Gleichgewicht zwischen mehreren Attributen. Beispielsweise muss eine Legierung leicht sein, eine hohe Festigkeit und eine Mindestdehnbarkeit aufweisen, Chloridkorrosion widerstehen, schweißbar sein usw. Mit herkömmlichen Methoden ist es schwierig, eine derart komplexe Kombination von Eigenschaften zu optimieren. KI-Modelle können jedoch anhand von aus Daten erlernten Mustern mehrere Designziele ausbalancieren und so Hochleistungsmaterialien entwickeln, die spezifische industrielle Anforderungen erfüllen.
Finale,MatterMind™ kann einen optimierten Satz potenzieller Legierungszusammensetzungen entwerfen, ohne dass umfangreiche Experimente in der realen Welt durchgeführt werden müssen.Anschließend wird es zur Simulation und Auswertung an die Cascade™-Plattform gesendet und MatterMind™ wird basierend auf den Simulationsergebnissen kontinuierlich optimiert und iteriert.
Cascade™: Multiskalensimulation zur umfassenden Bewertung potenzieller Legierungen in einer virtuellen Umgebung
Cascade™ kann Multiskalensimulationen im Nano-, Mikro-, Mesoskalen- und Makromaßstab durchführen.Dadurch ist eine genaue Modellierung der Auswirkungen mikrostruktureller Merkmale (wie Korngröße, Phasenverteilung und Defekte) auf die Gesamtleistung einer Legierung möglich. Dies ermöglicht eine vorläufige Bewertung potenzieller Legierungen und stellt sicher, dass die vielversprechendsten Legierungen in die Fertigungsphase gelangen.
* Nanoskala: Verwendung der Dichtefunktionaltheorie (DFT) zur Vorhersage der Wechselwirkungen zwischen Atomen verschiedener Legierungselemente.
* Mikroskala: Simulieren Sie die mikrostrukturelle Entwicklung und sagen Sie die Kornstruktur und das Korngrenzenverhalten voraus.
* Mesoskala: modelliert die Reaktion von Materialien auf äußere Bedingungen.
* Makroskala: Simulation der mechanischen Eigenschaften von Materialien und ihrer Leistung in verschiedenen Herstellungsprozessen (z. B. Gießen, additive Fertigung).
Durch diese Simulationen können Hunderte oder sogar Tausende potenzieller Legierungen schnell in einer virtuellen Umgebung bewertet werden.Und vergleichen Sie es mit den Designanforderungen des Benutzers. Es besteht keine Notwendigkeit, physische Proben herzustellen oder wiederholte Tests im Labor durchzuführen. Diese virtuelle Bewertungsmethode ist kostengünstiger und schneller und kann die erforderlichen Materialeigenschaften genau anpassen, wodurch die Erfolgsquote von Forschung und Entwicklung verbessert wird.
Passen Sie Materialien mit mehreren Zieleigenschaften an die Bedürfnisse der Benutzer an und entwickeln Sie geeignete Legierungen für den 3D-Druck
Laut Angaben von Phaseshift-VertreternMit diesem Ansatz können geeignete Materialien für additive Fertigungsverfahren (3D-Druck) entwickelt werden.
Bei der additiven Fertigung (3D-Druck) werden dreidimensionale Objekte hauptsächlich durch das schichtweise Aufeinanderschichten von Rohmaterialien hergestellt. Derzeit werden mithilfe der additiven Metallfertigungstechnologie hergestellte Metallteile erfolgreich in der Luft- und Raumfahrt, in der Medizintechnik, im Automobilbau und in anderen Bereichen eingesetzt. Allerdings ist die Entwicklung dieses Verfahrens aufgrund der Materialkompatibilität noch immer begrenzt – die für den 3D-Druck verwendbaren Legierungsarten sind begrenzt, was sich auf die breite Anwendung des Verfahrens und die Leistung der fertigen Teile auswirkt.
Beispielsweise ist das gängigste 3D-Druckverfahren für Metalle, das Laser-Pulverbettschmelzen (LPBF), nur auf Titan-, Kupfer- und Nickellegierungen anwendbar und neigt während des Herstellungsprozesses zu Schrumpfung und ungleichmäßigem Schmelzen. Obwohl Multilaser-LPBF die Produktionseffizienz verbessert, erhöht es auch das Risiko einer Materialüberhitzung. Andere additive Fertigungsverfahren für Metalle, wie das selektive Lasersintern (SLS) und das Elektronenstrahlschmelzen (EBM), sind ebenfalls durch die Materialeigenschaften begrenzt und können mehrere Zielanforderungen, wie etwa Wärmeausdehnung, Schmelztemperatur, Teiledichte usw., nicht erfüllen.
Phaseshift verfügt über einen maßgeschneiderten F&E-Prozess, der speziell für die Optimierung von Legierungen für AM konzipiert ist. Dabei werden Materialien mit unterschiedlichen Zusammensetzungsverhältnissen modelliert und der Schwerpunkt auf die Analyse ihrer Leistung in einer AM-Umgebung gelegt, um eine optimale Eignung sicherzustellen.
„Ob es darum geht, die Festigkeit von Luft- und Raumfahrtkomponenten zu erhöhen, die Wärmeleitfähigkeit von Automobilsystemen zu verbessern, die Korrosionsbeständigkeit der Energieinfrastruktur zu erhöhen oder medizinische Geräte biokompatibel zu machen,Wir alle können maßgeschneiderte Legierungen für nachhaltigere Materiallösungen anbieten“, sagte Phaseshift.
Die Materialwissenschaft bewegt sich in Richtung eines effizienteren und intelligenteren Zeitalters
Cheng Xuan, Professor an der Fakultät für Materialwissenschaft und Werkstofftechnik der Universität Xiamen in China, wies einmal darauf hin, dass „die Zukunft der computergestützten Materialwissenschaft von der Entwicklung künstlicher Intelligenz abhängen wird. Wir sollten besonderes Augenmerk darauf richten, wie sich KI in Materialdesign und -prüfung integrieren lässt und wie sich Materialstrukturen basierend auf Zielfunktionen präzise entwerfen lassen.“
Heutzutage wird die Anwendung von KI im Bereich der Materialwissenschaften schrittweise umgesetzt. Von maßgeschneiderten medizinischen Implantaten und intelligenten Prothesen bis hin zur Entwicklung neuer hitzebeständiger Materialien, fortschrittlicher Katalysatoren und abbaubarer Kunststoffe beschleunigt KI die Produktinnovation in verschiedenen Branchen.Auch immer mehr Technologieunternehmen sind sich des enormen Potenzials von KI in der Materialentwicklung bewusst.
Beispielsweise hat Meta einmal den OMat24-Datensatz gestartet.Der Datensatz enthält mehr als 110 Millionen Berechnungen der strukturellen Dichtefunktionaltheorie (DFT) mit Schwerpunkt auf struktureller und kompositorischer Vielfalt und ist damit einer der größten öffentlich verfügbaren Datensätze in diesem Bereich. Basierend auf OMat24 hat Meta auch das Modell EquiformerV2 veröffentlicht, das die Grundzustandsstabilität und Bildungsenergie von Materialien genau vorhersagen kann und die beste Leistung auf der Matbench Discovery-Rangliste erzielte.
* Downloadadresse für den OMat24-Datensatz:
Darüber hinaus erforscht Google DeepMind auch die Anwendung von KI in der Materialentwicklung.Sein Deep-Learning-Modell GNoME gab die Entdeckung von 2,2 Millionen neuen Kristallstrukturen anorganischer Materialien bekannt, von denen 380.000 stabil sind. Damit sind sie die wahrscheinlichsten potenziellen neuen Materialien, die experimentell synthetisiert und eingesetzt werden können, was den Fortschritt der Materialforschung enorm fördert.
Microsoft bringt MatterGen auf den Markt, ein generatives KI-Modell für Material-Reverse-Design.Fähigkeit, neue Materialstrukturen entsprechend den spezifischen Anforderungen direkt zu entwerfen. Beispielsweise kann das Modell beim Entwurf magnetischer Materialien mit mehreren Eigenschaften Strukturen vorschlagen, die eine hohe magnetische Dichte und eine chemische Zusammensetzung mit geringem Lieferkettenrisiko aufweisen. Darüber hinaus ist MatterGen mit mehreren anpassbaren Modulen ausgestattet, die entsprechend Einschränkungen wie chemischen Eigenschaften, Symmetrie und Materialmerkmalen fein abgestimmt werden können, um Materialien zu erzeugen, die bestimmte magnetische, elektronische oder mechanische Eigenschaften aufweisen.
HyperAI hat auf seiner offiziellen Website ein Tutorial „MatterGen Inorganic Material Design Model Demo“ veröffentlicht. Die Adresse des Tutorials lautet:
Zusammenfassend lässt sich sagen, dass diese Unternehmen unterschiedliche Einstiegspunkte der KI im Bereich der Materialchemie darstellen und zudem einen neuen Technologiesprung von der groß angelegten Materialentdeckung zum „On-Demand-Design“ markieren. Während sich KI-Modelle weiterentwickeln, bewegt sich die Materialwissenschaft in Richtung eines effizienteren und intelligenteren Zeitalters.
Quellen:
1.https://phaseshift.ai/
2.https://blog.csdn.net/a13981820402/article/details/140632362
3.https://www.sohu.com/a/140409967_488176
4.https://www.ccf.org.cn/YOCSEF/Branc