Scoperta di materiali guidata dall'intelligenza artificiale: il ruolo dell'analisi termica nella ricerca autonoma

In che modo la caratterizzazione termica accelera lo sviluppo guidato dall'intelligenza artificiale di batterie, polimeri, metalli e materiali energetici

L'intelligenza artificiale sta trasformando il modo in cui i nuovi materiali vengono scoperti, ottimizzati e commercializzati. Tuttavia, anche i modelli di apprendimento automatico più avanzati si basano su un requisito fondamentale: dati sperimentali di alta qualità.

Questo webinar illustra come le tecniche di analisi termica, tra cui DSC, TGA, STA, DMA e LFA, forniscano i dati fondamentali sulle proprietà dei materiali che alimentano la ricerca basata sull’intelligenza artificiale e l’informatica dei materiali. Scoprite come le proprietà termiche quali la temperatura di transizione vetrosa, la cristallinità, la Stabilità termicaUn materiale è termicamente stabile se non si decompone sotto l'influenza della temperatura. Un modo per determinare la stabilità termica di una sostanza è quello di utilizzare un TGA (analizzatore termogravimetrico). stabilità termica, il comportamento di Reazione di decomposizioneUna reazione di decomposizione è una reazione termicamente indotta di un composto chimico che forma prodotti solidi e/o gassosi. decomposizione, le proprietà meccaniche e la Conduttività termicaLa conducibilità termica (λ con unità di misura W/(m-K)) descrive il trasporto di energia - sotto forma di calore - attraverso un corpo di massa come risultato di un gradiente di temperatura (vedi fig. 1). Secondo la seconda legge della termodinamica, il calore fluisce sempre nella direzione della temperatura più bassa.conduttività termica vengano sempre più utilizzate per addestrare modelli predittivi relativi a batterie, polimeri, metalli e materiali energetici.

La presentazione introdurrà inoltre Proteus^® Quantify, dimostrando come l’analisi e l’organizzazione automatizzate dei dati di caratterizzazione termica possano trasformare set di dati sperimentali " large " in informazioni pronte per l’IA. Accelerando l’estrazione dei dati, standardizzando l’interpretazione e consentendo l’analisi delle tendenze su migliaia di esperimenti, i ricercatori possono passare in modo più efficiente dalla misurazione alla comprensione.

Esempi concreti mostreranno come l’analisi termica supporti la sperimentazione autonoma, la ricerca sulla sicurezza delle batterie, lo sviluppo dei polimeri e i flussi di lavoro di ricerca e sviluppo digitali di nuova generazione.

I partecipanti apprenderanno:

• In che modo l’analisi termica supporta la scoperta di materiali guidata dall’IA.
• Quali proprietà termiche apportano valore ai modelli di machine learning.
• Esempi di applicazioni dell’IA nel campo delle batterie, dei polimeri, dei metalli e dei materiali energetici.
• In che modo " Proteus^® Quantify" contribuisce a generare set di dati strutturati e pronti per l’IA.
• In che modo la caratterizzazione termica si inserisce negli ambienti di laboratorio autonomi e a guida automatica.
  

Iscriviti a questo webinar se lavori nella ricerca sui materiali o nel settore R&S e desideri scoprire come l’analisi termica, i dati strutturati e l’IA possano accelerare lo sviluppo dei materiali.

Relatore:
Peter Ralbovsky
Responsabile vendite per il Nord-Est presso NETZSCH Instruments North America, LLC
NETZSCH Analisi e test