Impiego del “Machine Learning” per previsioni di proprietà dei materiali.
DATI MANCANTI - COLMARE I GAP
Le Sfide
- Colmare rapidamente le lacune nelle proprietà normalizzate dei materiali ed esplorare l’idoneità per diverse applicazioni
- Convalidare con maggiore sicurezza nuovi materiali più economici, più resistenti, più leggeri
- Contribuire a ridurre i costi di caratterizzazione di materiali restringendone il numero
La Soluzione : Total Materia Predictor
- Colmare le lacune nei dati disponibili per consentire calcoli più accurati
- Più opportunità di decisione prevedendo le proprietà per nuovi materiali
- Sensibile risparmio di denaro riducendo i costi per la caratterizzazione di materiali
PASSO 1
Ricerca di una designazione del materiale per prevederne le proprietà non definite.
PASSO 2
Selezionare il modello ML che si desidera utilizzare per prevedere le proprietà.
PASSO 3
Selezionare parametri come intervalli di temperatura, trattamento termico e forma - PREVEDERE!
PASSO 4
Valutare la confidenza statistica della previsione così come i valori MAPE, MAE e R.
I Vantaggi
Universalità senza precedenti
per 100.000 materiali
Integrazione
salvataggio, gestione e condivisione delle previsioni
Qualità e affidabilità
si basa sul più grande set di dati-materiali al mondo