Yuyao Technology lancerer 'MatterSeek' globalt; Platform nu tilgængelig gratis for forskere over hele verden

Oct 28, 2026 Læg en besked

MatterSeek, som er tilgængelig samtidigt på virksomhedens oversøiske officielle hjemmeside og Hugging Face AI-cloudplatformen, bringer AI-drevet materiale-R&D fra "års-skala" cyklusser til "månedsskala" effektivitet.

 


 

Den 29. oktober lancerede MatterSeek - en AI-drevet materiale-R&D-platform udviklet af Yuyao Technology - officielt globalt via sin internationale hjemmeside ogHugging Face er verdens førende open source AI-model-hosting- og samarbejdsplatform. Softwaren er nu tilgængelig til gratis download, åben for forskere og videnskabsmænd over hele kloden. Denne milepæl markerer et kritisk skridt i Yuyao Technologys globale ekspansion inden for grundlæggende AI-innovation for nye materialer, der accelererer overgangen af ​​materiale-F&U fra traditionelle, årelange udviklingscyklusser til en tidsramme målt i måneder.

 

Materiale-F&U har længe været hindret af vedvarende, branchedækkende udfordringer, herunder lange udviklingscyklusser, fragmenterede data, lav eksperimentel effektivitet og vanskeligheden ved at lave forudsigelser på tværs af flere skalaer. Under det traditionelle "trial-and-error"-paradigme tager det typisk 10 til 15 år at bringe et nyt materiale fra laboratoriet til masseproduktion. Materialedata er desuden ofte spredte og heterogene, hvilket gør systematisk minedrift og genbrug vanskelig; manuelle syntese- og karakteriseringsprocesser er ineffektive, og paralleleksperimenter med høj kapacitet er fortsat udfordrende at implementere. Derudover har der længe været mangel på effektive, praktiske værktøjer til at forudsige materialeegenskaber på tværs af skalaer - fra atomniveau til makroskopisk ydeevne.

 

For at løse disse smertepunkter udviklede Yuyao Technology MatterSeek, en AI+MGI (Materials Genome Initiative) R&D-platform. Drevet af virksomhedens proprietære HNN (Hierarchical Neural Network), spænder platformen over tre store R&D-domæner: uorganiske materialer, organiske materialer og biofarmaceutiske produkter. Det står som en af ​​de få storstilede, ikke-sprogbaserede prædiktive modeller for nye materialer drevet af fysisk ræsonnement. I modsætning til almindelige store sprogmodeller, integrerer MatterSeek hele "forudsigelse-syntese-karakterisering"-workflowet, der dækker den fulde værdikæde af materiale-F&U. Ved at udnytte fysiske modeller som en grundlæggende motor, suppleret af virksomhedens egne laboratorier til at skabe et lukket kredsløb til fysisk eksperimentering i den virkelige verden, tilbyder MatterSeek en systematisk løsning på de fire kerneudfordringer, som materialeindustrien står over for, hvilket gør det til et unikt og meget værdifuldt aktiv i det globale "AI for Science"-landskab.

 

Med hensyn til funktionalitet etablerer MatterSeek et komplet R&D-lukket kredsløb - fra intelligent input til endeligt output - hvilket væsentligt sænker barrieren for adgang til digitalt drevet materialeforskning og -udvikling.

 

Yuyao Technology lancerer "MatterSeek" globalt; Platform nu tilgængelig gratis for forskere over hele verden

Den 29. oktober lancerede MatterSeek - en AI-drevet materiale-R&D-platform udviklet af Yuyao Technology - officielt globalt via sin internationale hjemmeside og HuggingFace AI-skyplatformen. Softwaren er nu tilgængelig til gratis download, åben for forskere og videnskabsmænd over hele kloden. Denne milepæl markerer et kritisk skridt i Yuyao Technologys globale ekspansion inden for grundlæggende AI-innovation for nye materialer, der accelererer overgangen af ​​materiale-F&U fra traditionelle, årelange udviklingscyklusser til en tidsramme målt i måneder.

 

Materiale-F&U har længe været hindret af vedvarende, branchedækkende udfordringer, herunder lange udviklingscyklusser, fragmenterede data, lav eksperimentel effektivitet og vanskeligheden ved at lave forudsigelser på tværs af flere skalaer. Under det traditionelle "trial-and-error"-paradigme tager det typisk 10 til 15 år at bringe et nyt materiale fra laboratoriet til masseproduktion. Materialedata er desuden ofte spredte og heterogene, hvilket gør systematisk minedrift og genbrug vanskelig; manuelle syntese- og karakteriseringsprocesser er ineffektive, og paralleleksperimenter med høj kapacitet er fortsat udfordrende at implementere. Derudover har der længe været mangel på effektive, praktiske værktøjer til at forudsige materialeegenskaber på tværs af skalaer - fra atomniveau til makroskopisk ydeevne.

 

For at løse disse smertepunkter udviklede Yuyao Technology MatterSeek, en AI+MGI (Materials Genome Initiative) R&D-platform. Drevet af virksomhedens proprietære HNN (Hierarchical Neural Network), spænder platformen over tre store R&D-domæner: uorganiske materialer, organiske materialer og biofarmaceutiske produkter. Det står som en af ​​de få storstilede, ikke-sprogbaserede prædiktive modeller for nye materialer drevet af fysisk ræsonnement. I modsætning til almindelige store sprogmodeller, integrerer MatterSeek hele "forudsigelse-syntese-karakterisering"-workflowet, der dækker den fulde værdikæde af materiale-F&U. Ved at udnytte fysiske modeller som en grundlæggende motor, suppleret af virksomhedens egne laboratorier til at skabe et lukket kredsløb til fysisk eksperimentering i den virkelige verden, tilbyder MatterSeek en systematisk løsning på de fire kerneudfordringer, som materialeindustrien står over for, hvilket gør det til et unikt og meget værdifuldt aktiv i det globale "AI for Science"-landskab.

 

Med hensyn til funktionalitet etablerer MatterSeek et komplet R&D-lukket kredsløb - fra intelligent input til endeligt output - hvilket væsentligt sænker barrieren for adgang til digitalt drevet materialeforskning og -udvikling.

 

Udviklingsscenarier på tværs af materialelandskabet

Fordi MatterSeek forudsiger fra fysik snarere end sprogmønstre, kan én model anvendes på tværs af en bred vifte af materialeudviklingsscenarier - fra atom-skala sammensætningsscreening til optimering på formuleringsniveau. Ud over de kommercielle implementeringer ovenfor er platformen bygget til at understøtte R&D-teams i følgende retninger:

Halvleder og mikroelektronik- screening af lav-k- og høj-k-dielektriske stoffer, halvledere med bred båndgab og emballage- eller termiske grænsefladematerialer mod mål for dielektrisk konstant, termisk stabilitet og proceskompatibilitet.

Batteri- og energiopbevaring- at udforske katode-, anode- og fastelektrolytsammensætninger og rangordne kandidater efter ionisk ledningsevne, elektrokemisk vindue og termisk stabilitet, før man forpligter sig til syntese.

Fotovoltaik og solenergi- evaluering af absorberlag, passiveringsfilm og indkapslingsmaterialer, behandling af båndgab, defekttolerance og langtidsstabilitet som ledbegrænsninger snarere end sekventiel prøvelse og fejl.

Katalyse og kemikalier- kortlægning af katalysator- og understøtningssammensætninger mod aktivitets-, selektivitets- og holdbarhedsdeskriptorer og indsnævring af det eksperimentelle rum før test i bench-skala.

Polymerer og organiske materialer- kobling af monomer- og rygradsvalg til glasovergangstemperatur, dielektrisk adfærd, mekanisk ydeevne og nedbrydningsprofiler - herunder genanvendelige og biologisk nedbrydelige formuleringer.

Metaller og legeringer- forudsigelse af fasestabilitet, smeltepunkt og høj temperatur ydeevne for superlegeringer, letvægtslegeringer og strukturelle metaller og markering af lovende sammensætninger til smelte- og støbeforsøg.

Keramik og uorganiske materialer- screening af strukturel og funktionel keramik - piezoelektriske og dielektriske sammensætninger blandt dem - for termisk stødmodstand, sintringsadfærd og elektromekanisk respons.

Biologi & Pharma- understøttelse af formulering og udvælgelse af hjælpestoffer, salt- og polymorfe-screening og stabilitetsvurdering til udvikling af biologiske og små molekyler, hvor kandidatpladsen er enorm, og hvert eksperiment er dyrt.

 

På tværs af alle disse retninger arbejder brugerne i en enkelt grænseflade: beskriver målet i naturligt sprog, begrænser elementpladsen på det visualiserede periodiske system og sammenligner kandidatsammensætninger på tværs af flere forudsagte egenskaber - så et udviklingsprogram kan sekvenseres i måneder frem for år.

 

På det underliggende teknologiniveau udnytter MatterSeek HNN-algoritmen til at opnå få-skudsforudsigelse. Den inkorporerer 1.035 indbyggede materialebeskrivelser, en selvudviklet modelparameterrate på 92 % og 188 vertikale domæneundermodeller, hvilket forstærker platformens teknologiske fundament.

 

YuYao (Beijing) Technology Co., Ltd. er en national højteknologisk virksomhed og en Beijing "specialiseret, raffineret, karakteristisk og innovativ" (SRDI) små og mellemstore virksomheder, der er dybt engageret i Kinas "AI + nye materialer" krydsinnovationsfelt. Virksomheden fokuserer på krydsfeltet mellem kunstig intelligens og nye materialer; dets kerneforretninger omfatter R&D i store modeller af nye materialer, understøttende tekniske tjenester og industrialisering af resultater med nye materialer. Holdet har indgivet 27 nationale patenter kumulativt. Dets vigtigste produkter og tjenester dækker selvudviklede AI-materialemodeller, eksperimentelle databaser med høj præcision for nye materialer og tilpassede R&D-tjenester for nye materialer, der styrker intelligent materiale F&U overalt.

 

Med øjeblikkelig virkning kan forskere verden over få gratis downloadadgang til MatterSeek-klienten, YuYao Technologys flagskibsmaterialer AI-software, gennem virksomhedens oversøiske officielle hjemmeside og Hugging Face AI-skyplatformen. Når man ser fremad, vil YuYao Technology fortsætte med at iterere og optimere sin modelkapacitet i overensstemmelse med de reelle behov hos globale forskningsbrugere, og arbejde sammen med forskere rundt om i verden for at udvide grænserne for innovation af nye materialer.