Spring til indhold
Advancing Bits to Master Atoms
← Alle indlæg

Guides8 min. læsetid

Sådan evaluerer du en AI-motor til materialeopdagelse: ti spørgsmål, du bør stille.

En leverandørneutral tjekliste til F&U-ledere og tekniske indkøbere: hvad du skal spørge om, hvordan et godt svar ser ud, og hvordan MS Lattice svarer ud fra sin dokumentation.

En kompakt krystal af sølv- og koboltblå kugler holdt mellem to enkle måleklodser i børstet sølv af en koboltblå referencebjælke.En kompakt krystal af sølv- og koboltblå kugler holdt mellem to enkle måleklodser i børstet sølv af en koboltblå referencebjælke.

Alle leverandører af AI-materialeopdagelse har en demo, og demoen virker altid. Det, dit team har brug for at vide, er noget andet: om motoren vil virke på dit mål, med dine grænser, til en pris, du kan planlægge efter, og om du kan kontrollere dens svar uden at tage nogens ord for gode varer.

Denne guide er en tjekliste til den samtale, skrevet til brug med enhver leverandør, MatterSpace inklusive. Hvert spørgsmål ledsages af, hvordan et godt svar ser ud. Efter listen viser vi, hvordan MS Lattice svarer ud fra sin egen dokumentation, så du kan holde alle, os selv inklusive, op på den samme standard.

Derfor slår en tjekliste en demo

AI-materialeopdagelse dækker meget forskellige slags produkter. Nogle genererer strukturer og screener dem bagefter. Nogle gør screening hurtig. Nogle giver eksperter dybe værktøjer, der betjenes manuelt. Nogle lærer af en virksomheds tidligere laboratorieresultater, og nogle kombinerer AI med egne laboratorier på en partnerskabstidslinje. Hver tilgang har bragt feltet fremad. De er ikke indbyrdes udskiftelige, og en demo på et håndplukket materiale fortæller dig ikke meget om, hvilken der passer til dit program.

Prisen for et dårligt valg viser sig sjældent på softwareregningen. Den viser sig i laboratoriet, hvor hver kandidat koster syntesetid, karakteriseringstid og dine medarbejderes opmærksomhed. En god evaluering koger ned til én ting: hvor meget af dit laboratoriums tid der vil gå til kandidater, der er værd at fremstille.

De ti spørgsmål

Stil dem til hver leverandør på din liste. Bed om evidens, ikke adjektiver: hvad blev målt, mod hvilken standard, fastsat hvornår. Et godt svar giver et tal med dets betingelser og peger på dokumentation, dit team kan efterprøve.

  1. Har den fundet svar, den aldrig har fået vist?Den ene opdagelsestest, der ikke kan forfalskes, er blind: målet forsegles, mens motoren søger og rangerer, kandidaterne fastfryses, og først derefter afsløres svaret. Et godt svar omfatter en lækagekontrol, der viser, at resultatet blev fundet, ikke husket.
  2. Kan den få strukturen rigtig ud fra en formel alene?Mange egenskaber afhænger af, hvordan atomerne er placeret, ikke kun af, hvilke atomer der er til stede. Spørg, hvor ofte motoren rangerer den korrekte krystalstruktur først, når den ikke får andet end en kemisk formel, mod en standard fastsat før kørslen, og hvordan den klarer sig på forbindelser, der er holdt ude af alt, hvad den tager udgangspunkt i.
  3. Kontrolleres dens afgørelser af fysik?Hurtige estimater gør en søgning økonomisk overkommelig, men de er ikke det sidste ord. Et godt svar tilbyder verifikation ud fra første principper for de kandidater, der betyder noget, viser stabilitetsvurderinger testet mod atomplaceringer, der vides at være forkerte, og viser referenceegenskaber reproduceret inden for en tolerance, der er angivet på forhånd.
  4. Kan du genopbygge enhver kandidat ud fra dens dokumentation?En score er en påstand. Spørg, om hver kandidat har dokumentation med for hver kontrol, den bestod, og hvor den eventuelt stoppede, om den dokumentation er nok til at genopbygge kandidaten, og om nogen har auditeret det i produktionsskala.
  5. Fastholdes dine krav inde i søgningen?Hvis dine grænser anvendes som et filter efter genereringen, betaler du for hver struktur, der bryder dem. Et godt svar siger, at forslag, der bryder dine skal-krav, afvises, før en struktur bygges, og at ønsker presses oven på skal-kravene, aldrig byttes mod dem.
  6. Hvor lang er den shortliste, dit laboratorium modtager?Millioner af kandidater giver en overskrift; dit laboratorium fremstiller en håndfuld ad gangen. Spørg, hvad en typisk kampagne leverer, hvordan den er rangeret, og om kandidaterne bevidst er forskellige fra hinanden eller én familie af næsten-kopier.
  7. Hvad koster en kandidat, og hvornår ser du prisen?Bed om regneomkostningen pr. kandidat i en registreret kørsel, ikke en listepris efter forespørgsel. Et godt svar viser prisen på hver plan før start og holder hver kampagne inden for et budget, du sætter.
  8. Kan din egen AI-agent styre den?Spørg, om en agent kan køre hele arbejdsgangen, fra at formulere behovet til at hente beviset, via en standardforbindelse som MCP, og om en API og et SDK giver adgang til den samme motor.
  9. Hvad sker der efter shortlisten?Et materiale er ikke opdaget, før det er fremstillet. Spørg, hvad leverandøren afleverer til dit laboratorium, i hvilket filformat, og om der er en vej videre til syntese, test, produktion og færdige dele, hvis du ønsker det.
  10. Hvad påstår resultaterne ikke?Alle motorers tal er screeningestimater af en eller anden art. En god leverandør siger, domæne for domæne, hvilke egenskaber der estimeres, hvilke der slet ikke forudsiges, og hvad der skal testes, før nogen forlader sig på en kandidat. Vær på vagt over for et svar uden grænser.

Sådan svarer MS Lattice om beviser

De første tre spørgsmål handler om, hvorvidt en motor kan finde ting. Her er MS Lattices dokumentation, som den står i dag.

  • 2 af 2forseglede mål fundet blindt
  • 13 af 15rigtige strukturer rangeret først, alene ud fra en formel
  • 4 af 4korrekte ab initio-stabilitetsvurderinger
  • 5 af 5referenceværdier for silicium reproduceret

I Blind Rediscovery Benchmark forblev to ultrahøjtemperaturkeramiske materialer forseglede, mens MS Lattice søgte og rangerede. Målene styrede intet og rangerede intet. Da kandidaterne var fastfrosset og målene afsløret, var begge fundet, helt ned til atomernes placering: 64 kandidater i to runder, omkring 32 minutters regnetid, under $0,20. Alle matchniveauer blev bestået for begge mål, en fuld genkørsel bestod 9 af 9 kontroller, og en lækagekontrol bekræftede, at matchet blev fundet, ikke husket.

Med intet andet end en kemisk formel rangerede MS Lattice den korrekte krystalstruktur først for 13 af 15 forbindelser, mod en standard på 10 fastsat før kørslen, på omkring 38 sekunder pr. forbindelse. Fire forbindelser, der var holdt ude af alt, hvad den tager udgangspunkt i, CaO, SrF₂, BaTiO₃ og Ni₃Al, blev genopbygget inden for 0,016 til 0,037 Å fra referencestrukturerne, og tre af dem blev rangeret først.

Ab initio-fysik er til rådighed efter behov for de kandidater, du vælger. Dens stabilitetskontrol bedømte Mg₂Si og MoSi₂ som stabile, 0,165 og 0,284 eV/atom under deres konkurrerende faser, og bevidst forkerte arrangementer af hver af dem som ustabile: fire afgørelser ud af fire. Den reproducerede også siliciums gitterkonstant, dets tre elastiske konstanter og dets højeste optiske fononfrekvens, hver inden for den tolerance, der blev fastsat før kørslen.

Fra én knude til venstre spreder ét spor sig ud i hundredvis af små afdæmpede skifergrå terninger, mens et lige koboltblåt spor fører direkte til én komplet krystal af kugler i satinsølv og koboltblå.Fra én knude til venstre spreder ét spor sig ud i hundredvis af små afdæmpede skifergrå terninger, mens et lige koboltblåt spor fører direkte til én komplet krystal af kugler i satinsølv og koboltblå.
En pincet løfter én blå krystal op af en bunke gråt sand: de få kandidater, der er værd at fremstille, plukket ud blandt de mange, der ikke er.

Sådan svarer MS Lattice om evidens og krav

Hver MS Lattice-kandidat har dokumentation for hver kontrol med: hvad den bestod, hvad den ikke bestod, og hvor den stoppede, med begrundelsen, sammen med usikkerheden på hvert estimat og dens stabilitet over for hver konkurrerende fase i dens kemi. Hver kandidat kontrolleres også mod de kendte krystaller, så du kan se, hvad der er nyt. Fra tre kampagner i produktionsstørrelse blev alle 73 auditerede kandidater genopbygget ud fra den dokumentation, med hver egenskab inden for sin angivne tolerance.

Dine krav fastholdes inde i søgningen. Et forslag, der bryder dem, afvises, før en struktur bygges, og dine præferencer presses så langt som muligt oven på dem, aldrig på deres bekostning. Det er også derfor, shortlisten er kort: hundredvis af rangerede stærke bud, bevidst forskellige fra hinanden, i stedet for millioner af strukturer at sortere i. I den blinde benchmark var 64 kandidater nok til at finde begge forseglede mål.

Sådan svarer MS Lattice om omkostninger, agenter og dele

Regnekraften går kun til kandidater, der kan overholde dine grænser. I de registrerede kørsler svarer det til omkring en tredjedel af en cent, ≈ $0,003, og omkring 30 sekunders regnetid pr. kandidat i den blinde benchmark. En AI-agents komplette kampagne med 8 kandidater kostede under $0,003. Hver plan viser sine estimerede omkostninger før start, en plan, der ikke kan køre, afvises med begrundelsen, før noget starter, og hver kampagne kører inden for det budget, du sætter.

MS Lattice er motoren; din AI-agent er føreren. Én MCP-forbindelse giver enhver agent, der taler MCP, 120 værktøjer og hele kæden, fra at beskrive behovet til at hente beviset. Før hver udgivelse kører en AI-agent, der agerer kunde, hele den arbejdsgang, en kampagne med 8 kandidater på 4 til 5 minutter. Den samme motor kan nås via REST API, Python SDK og kommandolinjen.

Efter søgningen modtager dit laboratorium en rangeret shortliste med en standard-CIF-strukturfil for hver kandidat, og hele kampagnen kan eksporteres som CSV eller JSON. Hvis du vil videre, kører Norck MS Lattice og syntetiserer, validerer og fremstiller derefter vinderen, med et omfang fra opdagelse alene til fra ende til anden, færdige dele inklusive.

Hvad resultaterne ikke påstår

Det tiende spørgsmål betyder mest, så her er MS Lattices svar i sin helhed. Dens tal er screeningestimater og beregninger for bulkkrystallen, ikke målinger af et nyt materiale. Hvert af dens treogtyve materialedomæner angiver, hvad du specificerer, hvad du modtager, og hvor dets estimater holder op. For magneter afhænger koercivitet i en færdig magnet for eksempel af mikrostruktur og forarbejdning, så en kvalitet skal fremstilles og måles, før den sættes i en motor.

Spørgsmål, teams stiller

Bør vi køre vores egen blinde test, før vi køber?

Det er den stærkeste evidens, du kan få. Med MS Lattice er Blind Rediscovery Benchmark en af de fire tilstande, så dit team kan forsegle mål, det allerede kender, og se, om de kommer tilbage.

Hvordan sammenligner vi priser på tværs af leverandører?

Bed hver af dem om regneomkostningen pr. kandidat i en registreret kørsel og om prisen på en konkret plan før start. Ifølge MS Lattices dokumentation ligger den på omkring en tredjedel af en cent pr. kandidat, og hver plan viser sin pris, før den kører.

Hvad bør et pilotprojekt levere?

Et pilotprojekt kører MS Lattice på dit eget mål og giver dig en rangeret shortliste, hver kandidat som en strukturfil med sin dokumentation, klar til dit laboratorium.

Forbliver vores arbejde vores?

Spørg alle leverandører. Med MS Lattice forbliver dine kampagner og de data, du bidrager med, inden for din organisation, og før et pilotprojekt starter, aftaler vi med dig, hvad der deles, hvor det behandles, og hvor længe det opbevares.

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.