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
core
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