今日分享 – AI 在材料制造业的进展与应用

聊起 AI,画面都充斥着机械语言:精密高级的芯片,光怪陆离的智能产业……你眼中的 AI 有什么样的能力?能给传统行业带来哪些变革与发展?基于此,腾讯云开发者社区联手知乎科技,从知乎AI 与传统行业相关话题中精选内容落地社区专题「 AI 与传统行业的融合 」。

本文为“AI 将如何影响制造业”的精华内容分享。

我自己从事的是材料领域。目前全球正在推进AI在材料领域的应用。

首先材料的开发分为如下阶段:发现、开发、优化、小试/中试、量产。

1 材料发现。其中开发阶段主要是新材料的发现,传统的材料发现是炒菜式试错发现方式,基于试错和研发人员进行试错发现,但是效率低,时间周期长。随着计算机技术的发展以及AI技术的发展,加之全球在推动材料基因组计划,产生了大量的材料数据和材料数据库。因此AI就可以在材料专家的使用下,用于新材料的发现。我们称之为材料基因组,相关的研究材料的方式也叫作材料信息学(material informatics)。当然这里需要强调的是,mgi(材料基因组计划)是借鉴的生物基因组或者化学信息学的技术路线。因为在生物医药、计量化学等领域很久之前就把AI应用到分子材料的发现和医药的研究中了,主要是研究定量构效关系,即qsar。举个简单的例子,AI可以用于发现新材料。传统的热电材料发现都集中在元素周期表的六主族附近,但结合AI,你就会发现在二主族附近也有类似的材料。即AI可以实现如下应用:发现新材料,发现已知材料的位置性能。

2 材料开发。材料开发讲之前需要明确,材料按照大类分为功能材料和结构材料。功能材料以半导体材料为例,结构材料以钢铁为例。功能材料是由元素、官能团或者结构确定其功能。而结构材料却不仅仅是上述决定因素,需要考虑到对应的工艺参数。那么在材料开发,即性能预测、成分设计方面,AI可以加速材料的设计或者说基于数据驱动辅助材料设计。比如在锂电添加剂中可以通过machine learning来拟合一些计算材料学数据供DFT软件计算。

3 中试与小试。结合AI可以在数据量较少的情况下去做数据挖掘,实现描述,诊断,预测等功能。同时AI可以与试验设计(DOE)结合加速doe的设计,减少实验次数,降低成本。

4 量产阶段。这个时候就是质量管理,失效分析,能耗管理,排程优化,先进过程控制等等,这个可以详细参考工业大数据白皮书,里面有详细的介绍。

5 其余和专业工业软件的融合,比如AI和eda融合,AI和fem融合,AI与cfd融合。

各种例子数不胜数

作者:李剑

链接:https://www.zhihu.com/question/377961740/answer/1083732488

来源:知乎 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

正文完