Việc phát hiện ra các chất mới theo một quá trình lặp đi lặp lại của "Thiết kế - Sản xuất - Thử nghiệm - Phân tích" (DMTA). Trí tuệ nhân tạo cho phép thiết kế thông minh các cấu trúc phân tử trong lĩnh vực khám phá vật chất, giống như thực hiện một thí nghiệm trong thế giới kỹ thuật số mà chúng ta gọi là "thí nghiệm khô". Tuy nhiên, để những thiết kế kỹ thuật số này thực sự hạ cánh và được tối ưu hóa liên tục, chúng phải trải qua các thử nghiệm và xác minh trong thế giới vật lý, mà chúng tôi gọi là "thử nghiệm ướt". Các thí nghiệm trong thế giới thực cũng có thể tạo ra các mô hình trong đó dữ liệu hiệu quả đảo ngược thế giới kỹ thuật số, tối ưu hóa dự đoán, phán đoán và thiết kế mô hình. Nhưng trong việc thực hiện thí nghiệm và thu thập dữ liệu, các thí nghiệm thủ công truyền thống dần trở thành nút thắt hiệu quả. Thông lượng thí nghiệm thấp, sai số dễ tích lũy, tính chủ quan khó tránh. Hóa học robot dựa trên phần cứng chính xác và công nghệ tự động hóa, có thể làm việc liên tục 7 × 24 giờ, hoàn thành hàng ngàn thí nghiệm mỗi ngày, nén lỗi hoạt động xuống dưới 5%, cải thiện đáng kể hiệu quả thí nghiệm và độ tin cậy của dữ liệu.

Trong lĩnh vực tiên phong của đổi mới khoa học kỹ thuật ngày nay, sự hội tụ giữa trí tuệ nhân tạo và công nghệ tự động hóa đang dẫn đầu một sự thay đổi sâu sắc trong mô hình nghiên cứu và phát triển khám phá vật chất.Công nghệ JingtaiVới nền tảng thử nghiệm tự động thông minh, tích hợp liền mạch các mô hình dự đoán AI dựa trên dữ liệu với robot tự động để xây dựng một hệ thống khám phá vật chất tự động, hiệu quả cao. Hệ thống đổi mới này không chỉ đẩy nhanh quá trình khám phá không gian hóa học, mà còn cung cấp cơ sở hạ tầng hoàn toàn mới cho nghiên cứu và phát triển dược phẩm, vật liệu mới và các ngành công nghiệp khác, xác định lại ranh giới giữa tốc độ và hiệu quả của khám phá vật chất.

Mô hình ứng dụng AI dựa trên dữ liệu

Trong ứng dụng công nghiệp AI, dữ liệu là yếu tố cơ bản, tạo thành nền tảng của toàn bộ hệ thống thông minh. Logic cốt lõi của nó tuân theo chu kỳ chuyển tiếp của "dữ liệu → mô hình → ứng dụng → giải pháp": dữ liệu chất lượng cao tạo ra khả năng tự chủ thông minh bằng cách đào tạo các mô hình AI, khả năng mô hình được chuyển thành các kịch bản ứng dụng công nghiệp cụ thể và cuối cùng là các giải pháp có thể tái sử dụng. Hệ thống vòng khép kín này đảm bảo rằng công nghệ AI liên tục học hỏi, tối ưu hóa và tạo ra giá trị từ dữ liệu.

Jingtai công nghệ thông minh tự động thử nghiệm nền tảng tập trungTài sản dữ liệuQuản lý chu kỳ sống, từ thu thập, quản lý đến ứng dụng, xây dựng một hệ thống quản lý tài sản dữ liệu hoàn chỉnh. Kết hợp các trạm thí nghiệm được xây dựng bởi mô hình AI và robot tự động để hoàn thành việc thực hiện thí nghiệm thông minh và quản trị dữ liệu hiệu quả với tốc độ chưa từng có, vòng lặp lặp đi lặp lại của thiết kế phân tử AI dựa trên thuật toán và dự đoán phản ứng với các thí nghiệm tổng hợp robot tự động đã được thực hiện và nhanh chóng khám phá không gian hóa học rộng lớn.

Đường dẫn kỹ thuật vòng kín cho thí nghiệm khô và ướt

Jingtai Technology đã xây dựng nền tảng thử nghiệm tự động thông minh hàng đầu thông qua ba thành phần công nghệ cốt lõi, tạo thành một vòng khép kín hoàn chỉnh của "Thiết kế thuật toán → Thử nghiệm robot → Phản hồi dữ liệu → Lặp lại mô hình". Kiến trúc sáng tạo này đã phá vỡ nút thắt hiệu quả của nghiên cứu hóa học truyền thống và thúc đẩy quá trình khám phá vật chất với tốc độ chưa từng có. Thông qua kiến trúc kỹ thuật này, nền tảng cho phép các vòng lặp lặp đi lặp lại của thiết kế phân tử AI, dự đoán sơ đồ và các thí nghiệm robot tự động.

Trường hợp ứng dụng:

Nền tảng tối ưu hóa công thức điện phân công nghệ Jingtai

Nền tảng tối ưu hóa công thức điện phân của Jingtai Technology bao gồm ba mô-đun chính:Trí tuệ nhân tạo chung, các mô hình lớn độc quyền, và các phòng thí nghiệm tự trị。

Trí tuệ nhân tạo chungCác mô-đun chủ yếu cho phép thu thập và xây dựng cơ sở kiến thức của dữ liệu mở như tài liệu và bằng sáng chế, cung cấp cơ sở nguyên liệu và công thức ban đầu để thực hiện dự án;Mô hình lớn độc quyềnMô-đun thực hiện các chức năng như thiết kế phân tử, dự đoán tính chất, tối ưu hóa công thức cũng như giải thích cơ học, đề xuất các công thức mới;Phòng thí nghiệm tự trịCác mô-đun cho phép tự động chuẩn bị và mô tả chính xác các công thức, xác minh các công thức được đề xuất bởi thuật toán và tạo ra dữ liệu thực nghiệm mới để cung cấp hỗ trợ vật chất cho việc tối ưu hóa các mô hình thuật toán. Sự kết hợp hữu cơ của ba mô-đun cho phép đạt được hiệu quả cao công thức điện phân của các chỉ số mong muốn.

●Công thức điện phân Tối ưu hóa quy trình làm việc nền tảng

Quy trình làm việc tối ưu hóa nền tảng công thức điện phân của Công nghệ Tinh Thái chia thành 6 bước, lần lượt làm việcXác định các kịch bản ứng dụng, tạo ra các công thức ban đầu, xây dựng các mô hình dự đoán tính chất, đề xuất các công thức mới với các mô hình, chuẩn bị và mô tả công thức tự động, và thiết kế và tổng hợp phân tử định hướngTrong đó 3 đến 6 bước là hình thức lặp đi lặp lại để đạt được công thức điện phân đáp ứng yêu cầu.

• bước đầu tiênCác nhà khoa học nhóm dự án xác định các kịch bản ứng dụng, chẳng hạn như cần tối ưu hóa các công thức điện phân mới cho các kịch bản điện áp cao và nhiệt độ rộng;

• Bước 2Xây dựng cơ sở kiến thức chuyên đề liên quan đến dự án và xử lý dữ liệu kết cấu hóa. Trước hết, tạo dựng cơ sở kiến thức chuyên đề bằng các từ nhắc nhở, sử dụng các mô hình ngôn ngữ lớn để cho điểm, sàng lọc các tài liệu và bằng sáng chế liên quan cao; Thứ hai, sử dụng các mô hình AI đa phương thức như LLM, OCR để thu thập dữ liệu liên quan đến dự án từ các tài liệu và bằng sáng chế;

• Bước 3Sử dụng tính toán mô phỏng vật lý lượng tử và mô hình học sâu, không chỉ có thể dự đoán các tính chất liên quan, mà còn tạo ra cấu trúc theo các tính chất dự kiến, được sử dụng trong thiết kế các phân tử phụ gia mới;

• Bước 4Theo hệ thống vật liệu được lựa chọn của chúng tôi, sử dụng tối ưu hóa Bayes đa mục tiêu và các phương pháp khác để tạo ra sự kết hợp và tỷ lệ công thức mới để chuẩn bị và thử nghiệm thử nghiệm;

• Bước 5, thí nghiệm công thức tự động, dựa trên nền tảng tối ưu hóa công thức điện phân tự động và kỹ thuật số tự nghiên cứu của Jingtai Technology, để đạt được cấu hình chính xác của công thức, hồ sơ kỹ thuật số, và kiểm tra đặc tính và các chức năng khác, do đó xác minh tính hợp lệ của công thức được đề xuất thuật toán và tạo ra dữ liệu thử nghiệm mới để tối ưu hóa hơn nữa mô hình thuật toán;

• Bước 6Nếu trong không gian thành phần hợp chất hiện có, thông qua tỷ lệ phối hợp khác nhau, không thể có được công thức đáp ứng tính chất mục tiêu, cần phải mở rộng không gian lựa chọn hợp chất sang không gian hóa học mới, thông qua thiết kế phân tử định hướng và mô-đun tổng hợp để đạt được. Ví dụ: sử dụng phần mềm XMolGen của Jingtai để tạo ra các phân tử mới bằng cách thay thế dựa trên R phù hợp với các quy tắc phản ứng hóa học thông qua một thư viện khối thương mại. Các thao tác như xem, chỉnh sửa, lưu, xuất và sắp xếp có thể được thực hiện dễ dàng sau khi hoàn thành nhiệm vụ. Các phân tử kết quả có tính mới và khả năng tổng hợp và có thể được tổng hợp nhanh chóng thông qua một nền tảng tự động hóa.

Được thúc đẩy bởi sự tăng tốc chuyển đổi năng lượng toàn cầu và nâng cấp hiệu suất pin năng lượng, chất điện phân là một phần quan trọng trong việc phát triển pin, và sự đổi mới công thức của nó đã trở thành nút cổ chai cốt lõi trong việc phá vỡ các chỉ số chính như mật độ năng lượng cao, tuổi thọ chu kỳ dài và khả năng thích ứng với vùng nhiệt độ rộng. Các mô hình R&D truyền thống rất khó để đáp ứng nhu cầu cấp thiết của ngành về hiệu quả và độ chính xác của R&D do dựa vào thử nghiệm và lỗi thực nghiệm, sử dụng dữ liệu thấp và chi phí thử nghiệm cao. Trong bối cảnh này, việc xây dựng nền tảng tối ưu hóa công thức điện phân trở thành xu hướng không thể tránh khỏi - nó thực hiện phân tích cấu trúc, thiết kế phân tử và dự đoán tính chất của dữ liệu bằng sáng chế tài liệu thông qua công nghệ trí tuệ nhân tạo, và dựa vào máy trạm robot tự động để hoàn thành việc chuẩn bị và mô tả công thức với độ chính xác cao, tạo thành một vòng lặp khép kín của "dự đoán AI - xác minh robot", giải quyết hiệu quả các điểm đau như chu kỳ nghiên cứu và phát triển dài, phân mảnh dữ liệu, lặp lại thí nghiệm kém. Mô hình cho phép công nghệ "AI+robot" này không chỉ có thể rút ngắn chu kỳ nghiên cứu và phát triển chất điện phân, mà còn thúc đẩy ngành công nghiệp chuyển đổi từ "hướng kinh nghiệm" sang "hướng dữ liệu" và "hướng thông minh", trở thành cơ sở hạ tầng quan trọng để các doanh nghiệp vật liệu mới năng lượng mới xây dựng năng lực cạnh tranh cốt lõi.

AI × Robot thúc đẩy sự thay đổi thông minh

Nền tảng thí nghiệm tự trị thông minh của Jingtai Technology, kết hợp hơn 200 mô hình AI trong lĩnh vực dọc để tạo ra siêu não hóa học, hướng dẫn cấu trúc vật chất và thiết kế thí nghiệm; Thực hiện hiệu quả việc thực thi hoá học và quản lý dữ liệu chính xác thông lượng cao bằng rô - bốt tự động hóa trong phòng thí nghiệm; Dữ liệu có cấu trúc thực tế do robot thu thập được sau đó đào tạo các mô hình AI để dự đoán chính xác hơn và thiết kế tốt hơn. Nền tảng thử nghiệm tự trị thông minh của Jingtai Technology đã thực hiện sự thay đổi mô hình nghiên cứu từ "hướng kinh nghiệm" sang "hướng dữ liệu" thông qua sự phối hợp giữa AI và robot, mang lại giá trị đột phá gấp đôi cho lĩnh vực khám phá vật chất.

• Tích hợp công nghệ

Đột phá những khó khăn kỹ thuật cốt lõi, tích hợp thuật toán AI, điều khiển tự động hóa, phân tích dữ liệu và các công nghệ đa lĩnh vực khác

• Trình điều chỉnh cảnh

Cung cấp các giải pháp phòng thí nghiệm thông minh đa chức năng, đa ngành, đa lĩnh vực, đáp ứng nhu cầu đa dạng

• Các nhà cách mạng Paradigm

Khám phá mô hình mới với vật liệu xây dựng "AI × Robot", xây dựng cơ sở hạ tầng mới cho ngành công nghiệp nghiên cứu và phát triển

Khoa học kỹ thuật Tinh Thái hiện có phòng thí nghiệm tự chủ thông minh 5000 mét vuông, đầy đủ năng lực nghiên cứu phát triển nghiệp vụ nội bộ, và tích lũy kinh nghiệm ứng dụng kỹ thuật. Trong khi đó, kết quả hạ cánh công nghiệp hóa của nền tảng thử nghiệm tự trị thông minh đã mở rộng sang y học sinh học, năng lượng mới, vật liệu mới, hóa dầu, hiện đại hóa y học cổ truyền Trung Quốc và tự động hóa học. Nền tảng đã được sử dụng rộng rãi để bao gồm các kịch bản nghiên cứu hóa học tổng hợp như tổng hợp hữu cơ, tối ưu hóa công thức, nghiên cứu và phát triển chất xúc tác và quy trình điện phân.