Hopp til innholdet
Advancing Bits to Master Atoms
← Alle innlegg

Guider8 min lesetid

Slik vurderer du en KI-motor for materialoppdagelse: ti spørsmål å stille.

En leverandørnøytral sjekkliste for FoU-ledere og tekniske innkjøpere: hva du bør spørre om, hvordan et godt svar ser ut, og hvordan MS Lattice svarer ut fra loggen sin.

En kompakt krystall av kuler i sølv og koboltblått holdt mellom to enkle passbiter i børstet sølv av en koboltblå referansestav.En kompakt krystall av kuler i sølv og koboltblått holdt mellom to enkle passbiter i børstet sølv av en koboltblå referansestav.

Alle leverandører av KI-drevet materialoppdagelse har en demo, og demoen fungerer alltid. Det teamet ditt trenger å vite, er noe annet: om motoren vil fungere på ditt mål, med dine grenser, til en pris du kan planlegge for, og om du kan kontrollere svarene uten å ta noens ord for dem.

Denne veiledningen er en sjekkliste for den samtalen, skrevet for bruk med enhver leverandør, MatterSpace inkludert. Hvert spørsmål kommer med en beskrivelse av hvordan et godt svar ser ut. Etter listen viser vi hvordan MS Lattice svarer ut fra sin egen logg, så du kan holde alle, oss inkludert, til samme standard.

Hvorfor en sjekkliste slår en demo

KI-drevet materialoppdagelse dekker svært ulike typer produkter. Noen genererer strukturer og screener dem etterpå. Noen gjør screeningen rask. Noen gir eksperter dype verktøy å styre for hånd. Noen lærer av en bedrifts tidligere laboratorieresultater, og noen kombinerer KI med egne laboratorier på en partnerskapstidslinje. Hver tilnærming har drevet feltet fremover. De er ikke utskiftbare, og en demo på et håndplukket materiale sier lite om hvilken som passer programmet ditt.

Kostnaden ved å velge feil viser seg sjelden på programvareregningen. Den viser seg i laboratoriet, der hver kandidat krever syntesetid, karakteriseringstid og oppmerksomheten til folkene dine. En god vurdering koker ned til én ting: hvor mye av laboratoriets tid som vil gå til kandidater som er verdt å lage.

De ti spørsmålene

Still disse til hver leverandør på listen din. Be om belegg, ikke adjektiver: hva som ble målt, mot hvilken standard, satt når. Et godt svar gir et tall med betingelsene sine og viser til en logg teamet ditt kan etterprøve.

  1. Har den funnet svar den aldri ble vist?Den ene oppdagelsestesten som ikke kan forfalskes, er blind: målet forsegles mens motoren søker og rangerer, kandidatene fryses, og først da avsløres svaret. Et godt svar inkluderer en lekkasjekontroll som viser at resultatet ble funnet, ikke husket.
  2. Kan den få strukturen riktig ut fra en formel alene?Mange egenskaper avhenger av hvordan atomene er ordnet, ikke bare av hvilke atomer som er til stede. Spør hvor ofte motoren rangerer riktig krystallstruktur først når den ikke får annet enn en kjemisk formel, mot en standard satt før kjøringen, og hvordan den klarer seg på forbindelser holdt utenfor alt den starter fra.
  3. Blir vurderingene kontrollert med fysikk?Raske estimater gjør et søk rimelig, men de er ikke siste ord. Et godt svar tilbyr verifisering fra første prinsipper for kandidatene som betyr noe, viser stabilitetsvurderinger testet mot ordninger man vet er gale, og viser referanseegenskaper reprodusert innenfor en toleranse oppgitt på forhånd.
  4. Kan du gjenskape enhver kandidat fra loggen?En poengsum er en påstand. Spør om hver kandidat har med seg loggen over hver kontroll den besto og hvor noen stoppet, om den loggen er nok til å gjenskape kandidaten, og om noen har revidert det i produksjonsskala.
  5. Holdes kravene dine inne i søket?Hvis grensene dine brukes som et filter etter genereringen, betaler du for hver struktur som bryter dem. Et godt svar sier at forslag som bryter dine absolutte krav, blir avvist før en struktur bygges, og at ønskene dine presses i tillegg til de absolutte kravene, aldri byttes mot dem.
  6. Hvor lang er kortlisten laboratoriet ditt får?Millioner av kandidater gir en overskrift; laboratoriet ditt lager en håndfull om gangen. Spør hva en typisk kampanje leverer, hvordan den er rangert, og om kandidatene er bevisst forskjellige fra hverandre eller én familie av nesten-kopier.
  7. Hva koster en kandidat, og når ser du prisen?Be om regnekostnaden per kandidat fra en loggført kjøring, ikke en listepris på forespørsel. Et godt svar viser prisen på hver plan før start og holder hver kampanje innenfor et budsjett du setter.
  8. Kan din egen KI-agent styre den?Spør om en agent kan kjøre hele arbeidsflyten, fra å beskrive behovet til å lese tilbake beviset, over en standard tilkobling som MCP, og om et API og en SDK når den samme motoren.
  9. Hva skjer etter kortlisten?Et materiale er ikke oppdaget før det er laget. Spør hva leverandøren gir laboratoriet ditt, i hvilket filformat, og om det finnes en vei videre til syntese, testing, produksjon og ferdige deler hvis du ønsker det.
  10. Hva hevder resultatene ikke?Tallene fra enhver motor er screeningestimater av et eller annet slag. En god leverandør sier, domene for domene, hvilke egenskaper som estimeres, hvilke som ikke forutsies i det hele tatt, og hva som må testes før noen stoler på en kandidat. Vær på vakt mot et svar uten grenser i seg.

Slik svarer MS Lattice på bevis

De tre første spørsmålene handler om hvorvidt en motor kan finne ting. Her er MS Lattices merittliste, slik den står i dag.

  • 2 av 2forseglede mål funnet blindt
  • 13 av 15riktige strukturer rangert først, ut fra en formel alene
  • 4 av 4riktige stabilitetsvurderinger fra første prinsipper
  • 5 av 5referanseverdier for silisium reprodusert

I Blind Rediscovery Benchmark forble to ultrahøytemperaturkeramer forseglet mens MS Lattice søkte og rangerte. Målene styrte ingenting og rangerte ingenting. Da kandidatene var fryst og målene avslørt, var begge funnet, helt ned til hvordan atomene var ordnet: 64 kandidater i to runder, omtrent 32 minutter regnetid, under $0,20. Alle samsvarsnivåer ble bestått for begge målene, en full ny kjøring besto 9 av 9 kontroller, og en lekkasjekontroll bekreftet at samsvaret ble funnet, ikke husket.

Med ikke annet enn en kjemisk formel rangerte MS Lattice riktig krystallstruktur først for 13 av 15 forbindelser, mot en standard på 10 satt før kjøringen, på omtrent 38 sekunder per forbindelse. Fire forbindelser holdt utenfor alt den starter fra, CaO, SrF₂, BaTiO₃ og Ni₃Al, ble gjenskapt innenfor 0,016 til 0,037 Å fra referansestrukturene, og tre av dem ble rangert først.

Fysikk fra første prinsipper er tilgjengelig ved behov for kandidatene du velger. Stabilitetskontrollen vurderte Mg₂Si og MoSi₂ som stabile, 0,165 og 0,284 eV/atom under de konkurrerende fasene sine, og vurderte bevisst gale ordninger av begge som ustabile: fire av fire vurderinger. Den reproduserte også silisiums gitterkonstant, dets tre elastiske konstanter og dets høyeste optiske fononfrekvens, hver innenfor toleransen satt før kjøringen.

Fra én node til venstre sprer ett spor seg ut i hundrevis av bittesmå, dempede skiferkuber, mens et rett koboltblått spor fører direkte til én komplett krystall av kuler i satinert sølv og koboltblått.Fra én node til venstre sprer ett spor seg ut i hundrevis av bittesmå, dempede skiferkuber, mens et rett koboltblått spor fører direkte til én komplett krystall av kuler i satinert sølv og koboltblått.
En pinsett løfter én blå krystall ut av en haug med grå sand: de få kandidatene som er verdt å lage, plukket ut blant de mange som ikke er det.

Slik svarer MS Lattice på belegg og krav

Hver kandidat fra MS Lattice har med seg loggen over hver kontroll: hva den besto, hva den ikke besto og hvor den stoppet, med begrunnelsen, sammen med usikkerheten i hvert estimat og stabiliteten mot hver konkurrerende fase i kjemien sin. Hver kandidat kontrolleres også mot de kjente krystallene, så du ser hva som er nytt. Fra tre kampanjer i produksjonsstørrelse ble alle 73 reviderte kandidater gjenskapt fra den loggen, hver egenskap innenfor den oppgitte toleransen.

Kravene dine holdes inne i søket. Et forslag som bryter dem, blir avvist før en struktur bygges, og preferansene dine presses så langt det går i tillegg, aldri på deres bekostning. Det er også derfor kortlisten er kort: hundrevis av rangerte, reelle kandidater, bevisst forskjellige fra hverandre, i stedet for millioner av strukturer å sortere. I den blinde benchmarken var 64 kandidater nok til å finne begge de forseglede målene.

Slik svarer MS Lattice på kostnad, agenter og deler

Regnekraften går bare til kandidater som kan oppfylle grensene dine. Ifølge loggen tilsvarer det omtrent en tredjedels cent, ≈ $0,003, og omtrent 30 sekunder regnetid per kandidat i den blinde benchmarken. En KI-agents komplette kampanje med 8 kandidater kostet under $0,003. Hver plan viser estimert kostnad før start, en plan som ikke kan kjøres, blir avvist med begrunnelse før noe starter, og hver kampanje kjører innenfor budsjettet du setter.

MS Lattice er motoren; KI-agenten din er sjåføren. Én MCP-tilkobling gir enhver agent som snakker MCP, 120 verktøy og hele kjeden, fra å beskrive behovet til å lese tilbake beviset. Før hver utgivelse kjører en KI-agent som opptrer som kunde, hele den arbeidsflyten, en kampanje med 8 kandidater på 4 til 5 minutter. Den samme motoren er tilgjengelig via REST API, Python SDK og kommandolinjen.

Etter søket får laboratoriet ditt en rangert kortliste med en standard CIF-strukturfil for hver kandidat, og hele kampanjen kan eksporteres som CSV eller JSON. Hvis du vil gå videre, kjører Norck MS Lattice, og syntetiserer, validerer og tilvirker deretter vinneren, med omfang fra bare oppdagelse til fra start til slutt, ferdige deler inkludert.

Hva resultatene ikke hevder

Det tiende spørsmålet betyr mest, så her er MS Lattices svar i sin helhet. Tallene er screeningestimater og beregninger for bulkkrystallen, ikke målinger av et nytt materiale. Hvert av de tjuetre materialdomenene oppgir hva du angir, hva du får og hvor estimatene stopper. For magneter, for eksempel, avhenger koersiviteten i en ferdig magnet av mikrostruktur og prosessering, så en kvalitet må lages og måles før den går inn i en motor.

Spørsmål team stiller

Bør vi kjøre vår egen blindtest før vi kjøper?

Det er det sterkeste belegget du kan få. Med MS Lattice er Blind Rediscovery Benchmark en av de fire modusene, så teamet ditt kan forsegle mål det allerede kjenner, og se om de kommer tilbake.

Hvordan sammenligner vi priser på tvers av leverandører?

Be hver av dem om regnekostnaden per kandidat fra en loggført kjøring og om prisen på en konkret plan før start. Ifølge MS Lattices logg ligger den på omtrent en tredjedels cent per kandidat, og hver plan viser prisen før den kjøres.

Hva bør en pilot levere?

En pilot kjører MS Lattice på ditt eget mål og gir deg en rangert kortliste, med hver kandidat som en strukturfil med sin logg, klar for laboratoriet ditt.

Forblir arbeidet vårt vårt?

Spør hver leverandør. Med MS Lattice blir kampanjene dine og dataene du tar med, innenfor organisasjonen din, og før en pilot starter, avtaler vi med deg hva som deles, hvor det behandles og hvor lenge det oppbevares.

MatterSpaces første domenemotor

MatterSpace bygde MS Lattice for forskerne og ingeniørene som oppdager og designer nye materialer, med utgangspunkt i egenskapene produktet deres trenger.

Les videre

Har du et materialmål? Fortell oss hva det må gjøre.

Fortell oss materialdomenet, egenskapene du trenger og grensene materialet må holde seg innenfor. Vi viser deg hvordan MS Lattice ville gått frem gjennom Norck, fra en rangert kortliste for ditt eget laboratorium hele veien til ferdige deler.