/
麻省理工学院开发金属合金行为精准建模新方法
麻省理工学院研究团队开发出一种基于机器学习的新方法，可精准模拟化学无序金属合金的原子级行为。该方法利用信息论构建多样化训练数据集，有效覆盖材料内部复杂的局部化学环境，显著提升模型预测精度，超越谷歌、微软等公司的大型模型。研究显示，该方法可准确预测多种合金的相图及材料性能，有望大幅降低航空航天、能源等领域的材料研发成本与周期。
麻省理工学院推出金属合金行为建模新方法
麻省理工学院研究团队开发出一种基于机器学习的新方法，可精准模拟化学无序金属合金的原子级行为。该方法利用信息论构建更具多样性的训练数据集，有效覆盖材料内部各类局部化学环境，避免重复采样。测试表明，该模型在预测合金相图及材料性能方面优于谷歌、微软等公司的大型模型，且无需耗费大量计算资源。研究成果有望加速航空航天、能源及半导体等领域的新材料研发。
碳化钨制造技术在下一代机器人领域的应用前景
机器人技术的讨论通常聚焦于软件、传感器与人工智能，但物理组件同样至关重要。随着机器人进入更高要求的工业场景，碳化钨凭借其硬度高、耐磨损、抗变形的特性，成为保障自动化系统长期稳定运行的关键材料。从精密销轴、导向套到夹爪镶件与加工刀具，碳化钨帮助机器人在数百万次重复动作中维持精度，降低维护频率，支撑现代制造对可靠性与一致性的核心需求。
用AI和仿真加速科学进步
MIT副教授Rafael Gómez-Bombarelli十多年来运用人工智能创造新材料。他认为AI正处于第二个转折点，将语言模型与多模态融合为通用科学智能。他的研究结合物理模拟与机器学习，已开发出电池、催化剂、塑料和OLED等新材料。他还创立了多家公司，最新的Lila Sciences致力于构建生命科学和材料科学的超级智能平台。
Meta利用AI创造低碳混凝土并用于数据中心地板浇筑
社交媒体巨头Meta开发了一个AI模型来创造新型混凝土配方，并将其中一种应用于新数据中心的地面浇筑。该模型采用贝叶斯优化技术预测不同混凝土配比的抗压强度曲线，显著加速了传统需要数天或数周的测试过程。Meta与建筑公司Amrize和伊利诺伊大学合作，在明尼苏达州罗斯蒙特数据中心使用了这种新型低碳混凝土。该设施初期功率为10兆瓦，未来将扩展至75兆瓦。
Microsoft 团队运用扩散模型进行材料科学研究
微软研究团队开发了名为 MatterGen 的扩散模型系统,用于高效发现新材料。该系统可从大量候选材料中筛选出具有特定性质的新材料,比传统方法快速高效得多。这项技术有望加速电池等关键领域的创新,推动材料科学的发展。
京公网安备 11010802021500号
