Поиск новых материалов с помощью искусственного интеллекта: роль термического анализа в автономных исследованиях

Как термическая характеристика ускоряет разработку аккумуляторов, полимеров, металлов и энергетических материалов с использованием искусственного интеллекта

Искусственный интеллект кардинально меняет подходы к открытию, оптимизации и коммерциализации новых материалов. Однако даже самые передовые модели машинного обучения опираются на одно фундаментальное условие: наличие высококачественных экспериментальных данных.

В этом вебинаре рассматривается, как методы термического анализа, включая ДСК, ТГА, СТА, ДМА и ЛФА, предоставляют важнейшие данные о свойствах материалов, которые лежат в основе исследований на базе искусственного интеллекта и материалоинформатики. Узнайте, как такие термические свойства, как температура стеклования, кристалличность, термическая стабильность, поведение при разложении, механические свойства и теплопроводность, всё чаще используются для обучения прогнозных моделей, предназначенных для аккумуляторов, полимеров, металлов и энергетических материалов.

В ходе презентации также будет представлено Proteus^® Now Quantify, демонстрируя, как автоматизированный анализ и систематизация данных термической характеристики позволяют преобразовать наборы данных экспериментов, полученных методом « large », в информацию, готовую для использования в системах искусственного интеллекта. Ускорив извлечение данных, стандартизировав их интерпретацию и обеспечив возможность анализа тенденций на основе тысяч экспериментов, исследователи смогут более эффективно переходить от измерений к выводам.

Реальные примеры продемонстрируют, как термический анализ способствует проведению автономных экспериментов, исследованиям в области безопасности аккумуляторов, разработке полимеров и созданию цифровых рабочих процессов НИОКР нового поколения.

Участники узнают:

• Как термический анализ способствует открытию новых материалов с помощью ИИ.
• Какие тепловые свойства представляют ценность для моделей машинного обучения.
• Примеры применения ИИ в области аккумуляторов, полимеров, металлов и энергетических материалов.
• Как решение « Proteus^®: Quantify» помогает формировать структурированные наборы данных, готовые для использования в ИИ.
• Как термическая характеристика вписывается в автономные и самоуправляемые лабораторные среды.
  

Зарегистрируйтесь на этот вебинар, если вы занимаетесь исследованием материалов или работаете в сфере НИОКР и хотите узнать, как термический анализ, структурированные данные и ИИ могут ускорить разработку материалов.

Докладчик:
Питер Ралбовски
Менеджер по продажам в Северо-Восточном регионе компании NETZSCH Instruments North America, LLC
NETZSCH Анализ и испытания