دھاتیں اور مرکب

تفصیل
پیشن گوئی کے ذریعہ کھوٹ کی ترکیبیں تلاش کریں — اعلی اینٹروپی مرکب دھاتیں، سپر آلے اور فنکشنل دھاتیں۔ MatterSeek ساخت سے خصوصیات کی پیش گوئی کرتا ہے۔

دھاتیں اور مرکب دھاتیں - مادی نظام / پیش قیاسی کارکردگی / توثیق کا راستہ
ایلائے ڈیزائن کے لیے AI — پیشین گوئی کے لحاظ سے ہائی-اینٹروپی اور سپر ایلائے کمپوزیشنز تلاش کریں۔
چونکہ یہ 0.02 ڈوپنگ درستگی پر ایک سے چار بنیادی عناصر کے ساتھ ساخت سے براہ راست خصوصیات کی پیشن گوئی کرتا ہے، اس لیے اسے کمپوزیشن سرچ کے مسئلے کے لیے بنایا گیا ہے جو ہائی اینٹروپی الائیز، سپراللویز اور فنکشنل دھاتوں کی وضاحت کرتا ہے۔
ایک جدید ملٹی کمپوننٹ الائے کو تناسب اور ٹریس اضافے کی ایک بہت بڑی رینج میں مختلف کیا جا سکتا ہے، جبکہ قابلیت کے لیے طویل مدتی تھرمل نمائش اور مکینیکل ٹیسٹنگ کی ضرورت ہوتی ہے۔ اس کا عملی نتیجہ یہ ہے کہ ترقی جگہ کو منظم طریقے سے تلاش کرنے کے بجائے مانوس کمپوزیشن پر اکٹھا ہوتی ہے۔
آپ بنیادی عنصر کے سیٹ اور پراپرٹی ونڈو کی وضاحت کرتے ہیں جس کی آپ کو ضرورت ہے — ایک ہدف پگھلنے کا نقطہ، ایک تھرمل یا تھرمو الیکٹرک ضرورت، ایک مقناطیسی یا ساختی مقصد — اور MatterSeek پیشین گوئی شدہ خصوصیات اور غیر یقینی صورتحال کے ساتھ درجہ بندی والے امیدواروں کی ترکیبیں واپس کرتا ہے۔ کمپوزیشن ہینڈلنگ 0.02 کی ڈوپنگ سطح کی درستگی کے ساتھ ایک سے چار بنیادی عناصر کا احاطہ کرتی ہے، اس سے مماثل ہے کہ اللوائینگ اور مائیکرو الائینگ اسٹڈیز کو حقیقت میں کس طرح بیان کیا گیا ہے۔ پیشین گوئی دو بنیادی عناصر کے لیے تقریباً ایک منٹ میں، تین کے لیے دو منٹ، اور چار کے لیے سات منٹ میں مکمل ہو جاتی ہے۔ نتائج کثیر املاک کے موازنہ، 2D اور 3D ہیٹ میپس کے لیے ریڈار چارٹ کے طور پر ظاہر ہوتے ہیں جو کمپوزیشن رینج میں پراپرٹی کے گریڈینٹ کو ظاہر کرتے ہیں، اور قابل برآمد ڈیٹا ٹیبلز۔
انجن میں الیکٹرو کیمیکل، ڈائی الیکٹرک، تھرمل، تھرموڈینامک، مقناطیسی، آپٹیکل اور مکینیکل رویے سمیت خاندانوں کا احاطہ کیا گیا ہے — ان میں ڈائی الیکٹرک کنسٹنٹ، میلٹنگ پوائنٹ، سپر کنڈکٹنگ کریٹیکل ٹمپریچر، سی بیک کوفیشینٹ، پاور فیکٹر اور تھرمو الیکٹرک فگر آف میرٹ شامل ہیں۔ نتائج کثیر املاک کے موازنہ کے لیے ریڈار چارٹ کے طور پر واپس کیے جاتے ہیں، ساخت کے لیے 2D اور 3D ہیٹ میپس – پراپرٹی لینڈ سکیپس، اور قابل برآمد ڈیٹا ٹیبل۔
انجن تھرموڈینامک، تھرمل، الیکٹرو کیمیکل اور الیکٹرانک پراپرٹی فیملیز کا احاطہ کرتا ہے، بشمول پگھلنے کا نقطہ، اہم کولنگ ریٹ برائے امورفائزیشن، سی بیک کوفیشینٹ، پاور فیکٹر اور تھرمو الیکٹرک فگر آف میرٹ۔ وہ پیرامیٹرز براہ راست بے ساختہ اور نانو کرسٹل لائن الائے ڈویلپمنٹ، تھرمو الیکٹرک میٹریل، اور تھرمل حدوں پر نقشہ بناتے ہیں جو سپر الائے سروس کو کنٹرول کرتی ہیں۔
پیش گوئی شدہ کمپوزیشنز MatterSeek کی 1,200 m² خود مختار لیبارٹری میں منتقل ہوتی ہیں، جس کا پہلا عمل کلسٹر دھاتوں کے لیے بنایا گیا تھا: inert-Atmosphere batching، vacuum induction melting، arc remelting، melt spinning or پاؤڈر ایٹمائزیشن، Spark Plasma sintering، macuumannevaaling. خودکار خصوصیات میں XRD، XRF اور بیک وقت تھرمل تجزیہ شامل ہے۔ پیشین گوئی کی درستگی جسمانی پیمائش کے مقابلے میں 95.7% ہے، اور ہر ناپا جانے والا نتیجہ اگلے راؤنڈ کو فیڈ کرتا ہے۔ خاندانی کوریج میں ہائی اینٹروپی مرکبات، سپر ایلوائیز، بے ساختہ اور نانو کرسٹل لائن مرکبات، مقناطیسی مواد، تھرمو الیکٹرک مواد، ہلکے وزن اور سنکنرن سے بچنے والے مرکبات، اور پاؤڈر دھاتی مرکبات شامل ہیں۔
اکثر پوچھے گئے سوالات
سوال: کیا میٹر سیک ہائی اینٹروپی مرکبات ڈیزائن کر سکتا ہے؟
A: ہاں۔ پلیٹ فارم 0.02 ڈوپنگ درستگی کے ساتھ ایک سے چار بنیادی عناصر کو سپورٹ کرتا ہے، جو کہ گرینولریٹی ملٹی کمپوننٹ الائے اسٹڈیز کی ضرورت ہوتی ہے، اور پیشین گوئی شدہ خصوصیات کے ساتھ درجہ بندی والے امیدواروں کو واپس کرتا ہے۔
سوال: کون سی مرکب خصوصیات کی پیشن گوئی کی جا سکتی ہے؟
A: تھرموڈینامک، تھرمل، الیکٹرو کیمیکل اور الیکٹرانک فیملیز، بشمول پگھلنے کا نقطہ، اہم کولنگ ریٹ برائے امورفائزیشن، سی بیک کوفیشینٹ، پاور فیکٹر اور تھرمو الیکٹرک فگر آف میرٹ۔
سوال: امیدواروں کی تصدیق کیسے کی جاتی ہے؟
A: خود مختار لیبارٹری کے میٹل روٹ کلسٹر کے ذریعے — ویکیوم انڈکشن پگھلنا، آرک ریمیلٹنگ، میلٹ اسپننگ یا ایٹمائزیشن، اسپارک پلازما سنٹرنگ اور ویکیوم اینیلنگ — اس کے بعد خودکار XRD، XRF اور تھرمل تجزیہ۔
Yuyao (Beijing) Technology Co., Ltd. ایک پیشہ ور کمپنی ہے جو AI اور دھاتوں اور مرکب دھاتوں کے جدید ترین مواد کو ملانے میں مہارت رکھتی ہے۔ کمپنی نے آزادانہ طور پر MatterSeek تیار کیا ہے — جو کہ مواد کے شعبے کے لیے تیار کیا گیا ایک بنیادی بڑا ماڈل ہے — اور HNN (Hierarchical Neural Network) الگورتھم کا بانی بنایا ہے، جبکہ ایک ملکیتی، قابل کنٹرول مواد کے تجرباتی ڈیٹا بیس کی تعمیر ہے۔

