Materiaalontdekking met AI ging nog nooit zo snel. MatterGen van Microsoft genereert structuren op basis van doeleigenschappen. OMat24 en Open Catalyst van Meta FAIR maakten snelle screening breed beschikbaar. Schrödinger biedt experts diepgaande simulatie. Citrine Informatics leert van de eigen labdata van een bedrijf. Periodic Labs, Lila Sciences en Orbital Materials combineren AI met hun eigen labs. Elk van hen heeft het veld vooruitgeholpen.
MS Lattice beantwoordt de vraag die een materiaalteam werkelijk stelt: welke paar kandidaten maken we als eerste?
De cijfers die het veld rapporteert
- Microsoft en PNNL screenden 32,6 miljoen kandidaten op ongeveer 1.000 cloudmachines, in minder dan 80 uur, om er 18 over te houden.
- Materials Nexus analyseerde meer dan 100 miljoen samenstellingen en deed drie maanden over het ontwerpen, maken en testen van een magneet.
Opmerkelijk werk. En één duidelijke les: het aantal kandidaten was nooit het product. Het antwoord wel.
Eisen binnen de zoektocht, geen filter erna
Voorstellen die je grenzen overschrijden, worden afgewezen voordat er een structuur wordt gebouwd.
Een shortlist, geen hooiberg
Honderden gerangschikte kanshebbers in plaats van miljoenen structuren om te schiften, elk met het dossier van elke controle.
Intelligentie die leert terwijl ze draait
Scherper met elke evaluatie, voor ongeveer een derde cent aan rekenkracht per kandidaat.
Bewijs dat je opnieuw kunt draaien
Beide verzegelde doelen blind gevonden. 73 van 73 kandidaten gereconstrueerd uit hun dossier.
Klaar voor je agent, en voor de fabriek
Je AI-agent stuurt MS Lattice aan via MCP. Zodra er een winnaar opduikt, brengt Norck die via validatie en productie tot afgewerkte onderdelen.









