Spring til indhold
Advancing Bits to Master Atoms
← Alle indlæg

Guides8 min. læsetid

Åben, prototypestyret, guidet eller blind: sådan vælger du en opdagelsestilstand.

MS Lattice kører fire tilstande på én motor, i hvert domæne. Vælg ud fra det, du allerede har, og kombinér dem derefter på tværs af runder.

Ét sølvknudepunkt med fire spor til fire sokler: et prikgitter, en krystal af sølv- og blå kugler, en tom koboltblå ramme og en forseglet grafitterning.Ét sølvknudepunkt med fire spor til fire sokler: et prikgitter, en krystal af sølv- og blå kugler, en tom koboltblå ramme og en forseglet grafitterning.

Hver opdagelseskampagne starter fra noget. Nogle gange er det kun et mål: en hårdhed, en temperatur, en pris. Nogle gange er det et materiale, dit team allerede fremstiller og vil presse videre. Og nogle gange vil du, før du betror en motor et åbent spørgsmål, se den nå frem til et svar, du allerede kender.

MS Lattice behandler dem som fire tilstande på én motor: Open Discovery, Prototype-Guided Optimization, Guided Rediscovery og Blind Rediscovery Benchmark. Alle fire kører i alle treogtyve materialedomæner, fra din egen agent, via API, SDK eller kommandolinjen. Denne guide beskriver, hvad hver tilstand kræver, hvad den gør, og hvad du får, hvornår hver passer, og hvordan teams kombinerer dem.

Vælg ud fra det, du allerede har

Den enkleste måde at vælge på er at tage udgangspunkt i det, du har i hånden, og i, hvor meget af svaret motoren skal se, mens den søger.

  • Et mål og intet at starte fra: Open Discovery. Motoren ser kun dit mål.
  • Et materiale, der skal forbedres: Prototype-Guided Optimization. Motoren ser dit mål og din struktur.
  • Mål som pejlemærker: Guided Rediscovery. Motoren ser de kendte mål, som vejledning.
  • Mål holdt forseglede: Blind Rediscovery Benchmark. Motoren ser ingen af målene, indtil fastfrysningen.

De første to tilstande finder og forbedrer materialer. De to andre beviser motoren: de retter den mod svar, der allerede er kendte, synlige eller forseglede, så dens ankomst kan måles. Tilsammen dækker de spændet af spørgsmål, et materialeprogram stiller, fra hvilket materiale der skal fremstilles næste gang, til om motoren fortjener dit laboratoriums tid.

Et centralt facetteret knudepunkt af kugler i satinsølv og koboltblå med fire rene spor i titan, der fører til et åbent prikgitter, en forfinet krystal, en enhedscelleramme og en forseglet terning i mat koksgrå.Et centralt facetteret knudepunkt af kugler i satinsølv og koboltblå med fire rene spor i titan, der fører til et åbent prikgitter, en forfinet krystal, en enhedscelleramme og en forseglet terning i mat koksgrå.
En metalbarre, en hvid keramisk skive, en facetteret krystal og en skål med pulver på række: forskellige udgangspunkter og forskellige veje ind i en søgning.

Open Discovery: et mål og intet at starte fra

Vælg Open Discovery, når du har et mål, ikke en startstruktur. Du giver den et domæne, et forudindstillet mål eller dine egne mål og et budget. Den søger i hele sammensætningsrummet og leverer et rangeret, varieret sæt kandidater, hver med sin dokumentation. Den er bedst til nye materialer, alene ud fra målet.

Dette er invers design i sin enkleste form. Eksemplet i dokumentationen er en bearbejdningsbelægning beskrevet med tre tal: 28 GPa, 800 °C og $30 pr. kilo. Der blev ikke givet nogen startstruktur, og (Ti,Al)N og (Cr,Al)N, de belægninger, industrien kører på i dag, landede i top fem. En motor, der når frem til industriens egne svar alene ud fra opgaven, giver dig en grund til at se grundigt på resten af dens shortliste.

Open Discovery passer, når et nyt produkt kræver et materiale, dit team aldrig har arbejdet med, når et forsyningsproblem udelukker det grundstof, dit nuværende materiale afhænger af, og du vil se feltet med friske øjne, eller når du vil have et bredt første overblik over et domæne, før du forpligter dig til en familie. Variationen er bevidst: shortlisten giver dig forskellige stærke svar, ikke én familie af næsten-kopier.

Prototype-Guided Optimization: et materiale, der skal forbedres

Vælg Prototype-Guided Optimization, når du har et godt materiale og vil have det bedre. Du giver den en startstruktur og det, der skal forbedres. Den søger omkring din struktur og følger hver variant i forhold til originalen, og du får varianter rangeret mod din prototype. Den er bedst til at føre det materiale, du bruger i dag, videre.

Meget industrielt materialearbejde ser sådan ud. Et materiale, der allerede er i produktion, bærer på mange års procesviden, leverandørrelationer og testhistorik, så det er dyrt at ændre det, og den bedste ændring er ofte en lille en: en substitution, der fastholder en egenskab ved en højere temperatur, skærer et knapt grundstof væk eller sænker omkostningerne, mens alt andet holdes tæt på det oprindelige. Fordi hver variant følges i forhold til originalen, ser dit team, hvad hver af dem vinder, og hvad den giver afkald på.

Eksemplet, MS Lattice giver, er nutidens bilmagnet, hvor der søges efter varianter, der bevarer deres styrke ved motortemperatur. Det samme mønster passer til en katode, du vil have med mindre kobolt, eller en belægning, der skal tåle et varmere snit. Du behøver ikke et helt nyt materiale for at starte: begynd med det, du har, og gør det bedre.

Rediscovery-tilstandene: guidet og blind

De to rediscovery-tilstande besvarer et andet spørgsmål. De leder ikke efter noget nyt; de viser, hvor godt motoren når frem til noget kendt, så dit team kan vurdere, hvor meget det kan stole på den, før det retter den mod det ukendte.

Guided Rediscovery

Vælg Guided Rediscovery for at rette motoren mod et kendt materiale og se den nå frem. Du giver den kendte målstrukturer. Den lader målene styre søgningen og scorer, hvor tæt hver kandidat kommer på dem, og du får et matchniveau for hvert mål. Styret mod zirkoniumdiborid matchede hver eneste af de 14 scorede kandidater det på alle niveauer, i en kampagne på omkring tre minutter, den nærmeste inden for 0,0008 Å.

Den passer tidligt i en evaluering, når dit team vil se motoren nå frem til et materiale, det kender godt, eller som en kort første kampagne, der viser kolleger, hvordan kandidater, matchniveauer og dokumentation læses, før du bruger en runde på et åbent spørgsmål.

Blind Rediscovery Benchmark

Vælg Blind Rediscovery Benchmark for at forsegle svaret og se, om det kommer tilbage. Du giver den forseglede mål, skjult for motoren, mens den søger og rangerer. Den søger uden svarene, fastfryser kandidaterne, afslører derefter målene og scorer matchet, og du får en gradueret afgørelse for hvert mål. En lækagekontrol bekræfter, at hvert match blev fundet, ikke husket; et match fra noget, der havde set målet, kaldes aldrig blindt.

I de registrerede kørsler blev to forseglede ultrahøjtemperaturkeramiske materialer begge fundet, helt ned til atomernes placering, blandt 64 kandidater i to runder, på 32 minutter, for under 20 cent. Ved en genkørsel fra ende til anden blev 9 af 9 kontroller bestået. Vælg den, før du forlader dig på motoren i et nyt domæne, når en bedømmer eller kunde vil have evidens, de kan kontrollere, eller når du vil sammenligne motorer på lige vilkår.

En forseglet terning i mat koksgrå til venstre ved siden af det nøjagtigt matchende krystalgitter, bygget af kugler i mat grafit, satinsølv og koboltblå i identiske proportioner, til højre.En forseglet terning i mat koksgrå til venstre ved siden af det nøjagtigt matchende krystalgitter, bygget af kugler i mat grafit, satinsølv og koboltblå i identiske proportioner, til højre.
En grå kuvert under et blåt laksegl ved siden af en klar krystal: idéen bag en blind test, et svar holdt ude af syne, indtil kandidaterne er fastfrosset.

Kombinér tilstande på tværs af runder

De fleste programmer vælger ikke én tilstand og stopper. En kampagne slutter med en shortliste og dokumentation, og den næste runde starter fra det, du beholdt: behold vinderen, stram målet, kør igen. En almindelig rækkefølge ser sådan ud.

  1. Bevis den på det, du kenderKør Guided Rediscovery eller Blind Rediscovery Benchmark på materialer, dit team allerede forstår i måldomænet. Matchniveauerne og de graduerede afgørelser fortæller dig, hvor meget du kan stole på motoren dér.
  2. Åbn spørgsmåletKør Open Discovery alene ud fra målet, med dine krav og præferencer, for at få et rangeret, varieret sæt kandidater.
  3. Kontrollér det, der betyder nogetSend de kandidater, du vælger, til verifikation ud fra første principper af stabilitet, elastiske konstanter eller fononer, før noget går til laboratoriet.
  4. Forfin de bedsteTag den stærkeste kandidat, eller det materiale, du allerede fremstiller, som startstruktur for Prototype-Guided Optimization, og rangér dens varianter i forhold til den.
  5. Overdrag til laboratorietEksportér shortlisten som strukturfiler med deres dokumentation til dit laboratorium, eller lad Norck syntetisere, validere og fremstille vinderen.

Teams med et materiale, der allerede er i produktion, kører ofte rækkefølgen omvendt: Prototype-Guided Optimization først for at se, hvor langt nutidens materiale kan nå, og derefter Open Discovery, hvis afstanden til målet stadig er for stor. Hver tilstand kører på den samme motor, og hver kandidat har den samme slags dokumentation, så én runde læses på samme måde som den næste. Din AI-agent kan også køre rækkefølgen: via MCP bygger den hver plan, ser prisen først og henter kandidaterne, til kampagner på minutter eller uger.

Hvad de registrerede resultater fortæller dig

  • 14 af 14kandidater rammer målet i Guided Rediscovery
  • 0.0008 Åden nærmeste kandidat til zirkoniumdiborid
  • 2 af 2forseglede mål fundet blindt
  • < $0.20for den blinde kørsel med 64 kandidater

De to rediscovery-resultater besvarer forskellige spørgsmål. Guided Rediscovery viser, at når motoren får vist, hvor svaret er, når den frem præcist og hurtigt. Blind Rediscovery Benchmark viser noget sværere: at den når frem uden at få det vist. Læst sammen med formelresultatet, den rigtige struktur rangeret først for 13 af 15 forbindelser ud fra en formel alene, er de grunden til at tage en Open Discovery-shortliste så alvorligt, at du bruger laboratorietid på den.

Spørgsmål, teams stiller

Hvilken tilstand bør vi starte med?

Start fra det, du har. Et mål og intet andet peger mod Open Discovery; et materiale, du fremstiller i dag, peger mod Prototype-Guided Optimization. Hvis dit team først vil se motoren arbejde i dit domæne, så start med Guided Rediscovery eller en blind benchmark på materialer, du kender.

Fungerer alle fire tilstande i hvert domæne?

Ja. Alle fire tilstande kører i alle treogtyve domæner, fra din egen agent, via API, SDK eller kommandolinjen.

Kan vi køre en blind benchmark på materialer, vi kender?

Ja. Målene forbliver forseglede, mens MS Lattice søger og rangerer, kandidaterne fastfryses, og først derefter afsløres målene, og hvert match graderes.

Skal vi have et helt nyt materiale for at få værdi?

Nej. Start med det, du har, og gør det bedre. Prototype-Guided Optimization er bygget til det.

MatterSpaces første domænemotor

MatterSpace byggede MS Lattice til de forskere og ingeniører, der opdager og designer nye materialer, med udgangspunkt i de egenskaber, deres produkt har brug for.

Fortsæt med at læse

Har du et materialemål? Fortæl os, hvad det skal kunne.

Del materialedomænet, de egenskaber, du har brug for, og de grænser, materialet skal overholde. Vi viser dig, hvordan MS Lattice ville gribe det an via Norck, fra en rangeret shortliste til dit eget laboratorium hele vejen til færdige dele.