Ga naar de inhoud
Advancing Bits to Master Atoms
← Alle artikelen

Gidsen8 min. leestijd

Hoe beoordeel je een AI-engine voor materiaalontdekking: tien vragen om te stellen.

Een leveranciersneutrale checklist voor R&D-leiders en technische inkopers: wat je moet vragen, hoe een goed antwoord eruitziet en hoe MS Lattice antwoordt vanuit zijn staat van dienst.

Een compact kristal van zilveren en kobaltblauwe bollen, met een kobaltblauwe referentiestaaf vastgehouden tussen twee eenvoudige eindmaten van geborsteld zilver.Een compact kristal van zilveren en kobaltblauwe bollen, met een kobaltblauwe referentiestaaf vastgehouden tussen twee eenvoudige eindmaten van geborsteld zilver.

Elke leverancier van AI-materiaalontdekking heeft een demo, en de demo werkt altijd. Wat je team moet weten, is iets anders: of de engine werkt op jouw doel, met jouw grenzen, tegen een prijs waarmee je kunt plannen, en of je zijn antwoorden kunt controleren zonder iemand op zijn woord te geloven.

Deze gids is een checklist voor dat gesprek, geschreven voor gebruik met elke leverancier, MatterSpace inbegrepen. Bij elke vraag staat hoe een goed antwoord eruitziet. Na de lijst laten we zien hoe MS Lattice antwoordt vanuit zijn eigen staat van dienst, zodat je iedereen, ons inbegrepen, aan dezelfde lat kunt houden.

Waarom een checklist het wint van een demo

AI-materiaalontdekking omvat heel verschillende soorten producten. Sommige genereren structuren en screenen ze achteraf. Sommige maken screening snel. Sommige geven experts krachtige tools om met de hand te bedienen. Sommige leren van eerdere labresultaten van een bedrijf, en sommige combineren AI met eigen labs op de tijdlijn van een partnerschap. Elke aanpak heeft het vakgebied vooruitgeholpen. Ze zijn niet uitwisselbaar, en een demo op een zorgvuldig gekozen materiaal zegt je weinig over welke bij je programma past.

De kosten van een slechte keuze blijken zelden uit de softwarefactuur. Ze blijken in het lab, waar elke kandidaat synthesetijd, karakteriseringstijd en de aandacht van je mensen kost. Een goede evaluatie draait om één ding: hoeveel van de tijd van je lab gaat naar kandidaten die het maken waard zijn.

De tien vragen

Leg ze voor aan elke leverancier op je lijst. Vraag om bewijs, niet om bijvoeglijke naamwoorden: wat is er gemeten, tegen welke lat, wanneer vastgesteld. Een goed antwoord geeft een cijfer met de bijbehorende voorwaarden en verwijst naar een dossier dat je team kan inzien.

  1. Heeft hij antwoorden gevonden die hij nooit te zien kreeg?De enige ontdekkingstest die niet te vervalsen is, is blind: het doel wordt verzegeld weggesloten terwijl de engine zoekt en rangschikt, de kandidaten worden bevroren, en pas dan wordt het antwoord onthuld. Een goed antwoord bevat een lekcontrole die laat zien dat het resultaat gevonden is, niet onthouden.
  2. Krijgt hij de structuur goed vanuit alleen een formule?Veel eigenschappen hangen af van hoe de atomen geordend zijn, niet alleen van welke atomen aanwezig zijn. Vraag hoe vaak de engine de juiste kristalstructuur als eerste rangschikt als hij niets dan een chemische formule krijgt, tegen een lat die vóór de run is vastgesteld, en hoe hij het doet op verbindingen die buiten alles zijn gehouden waarvan hij vertrekt.
  3. Worden zijn oordelen gecontroleerd door de fysica?Snelle schattingen maken een zoektocht betaalbaar, maar ze zijn niet het laatste woord. Een goed antwoord biedt verificatie ab initio voor de kandidaten die ertoe doen, laat stabiliteitsoordelen zien die zijn getest op ordeningen waarvan bekend is dat ze fout zijn, en laat referentie-eigenschappen zien die zijn gereproduceerd binnen een vooraf vastgestelde tolerantie.
  4. Kun je elke kandidaat uit zijn dossier reconstrueren?Een score is een bewering. Vraag of elke kandidaat het dossier meekrijgt van elke controle die hij doorstond en waar er een stopte, of dat dossier volstaat om de kandidaat te reconstrueren, en of iemand dat op productieschaal heeft geaudit.
  5. Worden je eisen binnen de zoektocht vastgehouden?Als je grenzen na het genereren als filter worden toegepast, betaal je voor elke structuur die ze overschrijdt. Een goed antwoord zegt dat voorstellen die je must-haves overschrijden worden afgewezen voordat er een structuur wordt gebouwd, en dat nice-to-haves bovenop de must-haves worden opgedreven, nooit ertegen ingeruild.
  6. Hoe lang is de shortlist die je lab krijgt?Miljoenen kandidaten halen de krantenkoppen; je lab maakt er een handvol tegelijk. Vraag wat een typische campagne oplevert, hoe die gerangschikt is, en of de kandidaten bewust van elkaar verschillen of één familie van bijna-kopieën zijn.
  7. Wat kost een kandidaat, en wanneer zie je de prijs?Vraag naar de rekenkosten per kandidaat in een vastgelegde run, niet naar een catalogusprijs op aanvraag. Een goed antwoord toont de prijs van elk plan vóór de start en houdt elke campagne binnen een budget dat je instelt.
  8. Kan je eigen AI-agent hem besturen?Vraag of een agent de hele workflow kan doorlopen, van het formuleren van de behoefte tot het uitlezen van het bewijs, via een standaardverbinding zoals MCP, en of een API en SDK dezelfde engine bereiken.
  9. Wat gebeurt er na de shortlist?Een materiaal is pas ontdekt als het gemaakt is. Vraag wat de leverancier aan je lab overhandigt, in welk bestandsformaat, en of er een route is naar synthese, testen, productie en afgewerkte onderdelen als je die wilt.
  10. Wat beweren de resultaten niet?De cijfers van elke engine zijn een of andere vorm van screeningsschatting. Een goede leverancier zegt, domein voor domein, welke eigenschappen geschat worden, welke helemaal niet voorspeld worden en wat moet worden getest voordat iemand op een kandidaat vertrouwt. Wees op je hoede bij een antwoord zonder grenzen.

Hoe MS Lattice antwoordt over bewijs

De eerste drie vragen gaan erover of een engine dingen kan vinden. Hier is de staat van dienst van MS Lattice, zoals die nu is.

  • 2 van 2verzegelde doelen blind gevonden
  • 13 van 15juiste structuren als eerste gerangschikt, op basis van alleen een formule
  • 4 van 4stabiliteitsoordelen vanuit eerste principes juist
  • 5 van 5referentiewaarden van silicium gereproduceerd

In de Blind Rediscovery Benchmark bleven twee keramische materialen voor ultrahoge temperaturen verzegeld terwijl MS Lattice zocht en rangschikte. De doelen stuurden niets en rangschikten niets. Toen de kandidaten waren bevroren en de doelen onthuld, bleken ze allebei gevonden, tot op de ordening van hun atomen: 64 kandidaten in twee rondes, ongeveer 32 minuten rekentijd, minder dan $0,20. Elk matchniveau werd gehaald voor beide doelen, een volledige herhaling doorstond 9 van 9 controles, en een lekcontrole bevestigde dat de match gevonden was, niet onthouden.

Met niets dan een chemische formule rangschikte MS Lattice de juiste kristalstructuur als eerste voor 13 van 15 verbindingen, tegen een vooraf vastgestelde lat van 10, in ongeveer 38 seconden per verbinding. Vier verbindingen die buiten alles waren gehouden waarvan het vertrekt, CaO, SrF₂, BaTiO₃ en Ni₃Al, werden gereconstrueerd tot binnen 0,016 tot 0,037 Å van de referentiestructuren, en drie ervan werden als eerste gerangschikt.

Fysica vanuit eerste principes is op afroep beschikbaar voor de kandidaten die je kiest. De stabiliteitscontrole noemde Mg₂Si en MoSi₂ stabiel, 0,165 en 0,284 eV/atom onder hun concurrerende fasen, en noemde bewust verkeerde ordeningen van elk instabiel: vier van de vier oordelen juist. Ze reproduceerde ook de roosterconstante van silicium, zijn drie elastische constanten en zijn hoogste optische fononfrequentie, elk binnen de tolerantie die vóór de run was vastgesteld.

Vanuit één knooppunt links waaiert een baan uit in honderden kleine, gedempte leisteengrijze kubussen, terwijl een rechte kobaltblauwe baan direct naar één compleet kristal van satijnzilveren en kobaltblauwe bollen leidt.Vanuit één knooppunt links waaiert een baan uit in honderden kleine, gedempte leisteengrijze kubussen, terwijl een rechte kobaltblauwe baan direct naar één compleet kristal van satijnzilveren en kobaltblauwe bollen leidt.
Een pincet tilt één blauw kristal uit een hoop grijs zand: de paar kandidaten die het maken waard zijn, gekozen uit de vele die dat niet zijn.

Hoe MS Lattice antwoordt over bewijsvoering en eisen

Elke kandidaat van MS Lattice krijgt het dossier van elke controle mee: wat hij doorstond, waar hij op zakte en waar hij stopte, met de reden, naast de onzekerheid van elke schatting en zijn stabiliteit ten opzichte van elke concurrerende fase binnen zijn chemie. Elke kandidaat wordt ook vergeleken met de bekende kristallen, zodat je ziet wat nieuw is. Uit drie campagnes op productieschaal werden alle 73 geauditeerde kandidaten uit dat dossier gereconstrueerd, elke eigenschap binnen de opgegeven tolerantie.

Je eisen worden binnen de zoektocht vastgehouden. Een voorstel dat ze overschrijdt, wordt afgewezen voordat er een structuur wordt gebouwd, en je voorkeuren worden daarbovenop tot het uiterste opgedreven, nooit ten koste ervan. Daarom is de shortlist ook kort: honderden gerangschikte kanshebbers, bewust verschillend van elkaar, in plaats van miljoenen structuren om te triëren. In de blinde benchmark waren 64 kandidaten genoeg om beide verzegelde doelen te vinden.

Hoe MS Lattice antwoordt over kosten, agents en onderdelen

Rekenkracht gaat alleen naar kandidaten die aan je grenzen kunnen voldoen. Volgens het dossier komt dat neer op ongeveer een derde cent, ≈ $0,003, en ongeveer 30 seconden rekentijd per kandidaat in de blinde benchmark. De volledige campagne van een AI-agent met 8 kandidaten kostte minder dan $0,003. Elk plan toont de geschatte kosten vóór de start, een plan dat niet kan draaien wordt met de reden geweigerd voordat er iets begint, en elke campagne draait binnen het budget dat je instelt.

MS Lattice is de engine; je AI-agent is de bestuurder. Eén MCP-verbinding geeft elke agent die MCP spreekt 120 tools en de hele keten, van het beschrijven van de behoefte tot het uitlezen van het bewijs. Vóór elke release doorloopt een AI-agent in de rol van klant die volledige workflow, een campagne met 8 kandidaten in 4 tot 5 minuten. Dezelfde engine is bereikbaar via de REST API, de Python SDK en de opdrachtregel.

Na de zoektocht krijgt je lab een gerangschikte shortlist met een standaard CIF-structuurbestand voor elke kandidaat, en de hele campagne kan als CSV of JSON worden geëxporteerd. Wil je verder gaan, dan draait Norck MS Lattice en synthetiseert, valideert en produceert daarna de winnaar, met scopes van alleen ontdekking tot van begin tot eind, afgewerkte onderdelen inbegrepen.

Wat de resultaten niet beweren

De tiende vraag weegt het zwaarst, dus hier is het antwoord van MS Lattice volledig. De cijfers zijn screeningsschattingen en berekeningen voor het bulkkristal, geen metingen aan een nieuw materiaal. Elk van de drieëntwintig materiaaldomeinen vermeldt wat je specificeert, wat je krijgt en waar de schattingen ophouden. Bij magneten bijvoorbeeld hangt de coërciviteit in een afgewerkte magneet af van microstructuur en verwerking, dus een kwaliteit moet worden gemaakt en gemeten voordat ze in een motor gaat.

Vragen die teams stellen

Moeten we zelf een blinde test draaien voordat we kopen?

Het is het sterkste bewijs dat je kunt krijgen. Bij MS Lattice is de Blind Rediscovery Benchmark een van de vier modi, zodat je team doelen kan verzegelen die het al kent en kan kijken of ze terugkomen.

Hoe vergelijken we prijzen tussen leveranciers?

Vraag elk van hen naar de rekenkosten per kandidaat in een vastgelegde run en naar de prijs van een concreet plan vóór de start. Volgens de staat van dienst van MS Lattice ligt die op ongeveer een derde cent per kandidaat, en elk plan toont zijn prijs voordat het draait.

Wat moet een pilot opleveren?

Een pilot draait MS Lattice op je eigen doel en geeft je een gerangschikte shortlist, elke kandidaat als structuurbestand met zijn dossier, klaar voor je lab.

Blijft ons werk van ons?

Vraag het elke leverancier. Bij MS Lattice blijven je campagnes en de data die je inbrengt binnen je organisatie, en voordat een pilot start, spreken we met je af wat er wordt gedeeld, waar het wordt verwerkt en hoe lang het wordt bewaard.

De eerste domeinengine van MatterSpace

MatterSpace bouwde MS Lattice voor de wetenschappers en ingenieurs die nieuwe materialen ontdekken en ontwerpen, vanuit de eigenschappen die hun product nodig heeft.

Lees verder

Heb je een materiaaldoel? Vertel ons wat het moet kunnen.

Deel het materiaaldomein, de eigenschappen die je nodig hebt en de grenzen die het materiaal moet respecteren. We laten je zien hoe MS Lattice het via Norck zou aanpakken, van een gerangschikte shortlist voor je eigen lab helemaal tot afgewerkte onderdelen.