Yuyao Technology lanserer 'MatterSeek' globalt; Plattform nå tilgjengelig gratis for forskere over hele verden

Oct 28, 2026 Legg igjen en beskjed

MatterSeek er tilgjengelig samtidig på selskapets utenlandske offisielle nettsted og Hugging Face AI-skyplattformen, og bringer AI-drevet materiale FoU fra "årsskala" sykluser til "månedsskala" effektivitet.

 


 

Den 29. oktober ble MatterSeek - en AI-drevet R&D-plattform utviklet av Yuyao Technology - offisielt lansert globalt via sin internasjonale nettside ogHugging Face er verdens ledende open source AI-modellverts- og samarbeidsplattform. Programvaren er nå tilgjengelig for gratis nedlasting, åpen for forskere og forskere over hele verden. Denne milepælen markerer et kritisk skritt i Yuyao Technologys globale ekspansjon innen feltet grunnleggende AI-innovasjon for nye materialer, og akselererer overgangen av material-FoU fra tradisjonelle, årelange utviklingssykluser til en tidsramme målt i måneder.

 

Materiell FoU har lenge vært hindret av vedvarende, bransjeomfattende utfordringer, inkludert lange utviklingssykluser, fragmenterte data, lav eksperimentell effektivitet og vanskeligheten med å lage spådommer på tvers av flere skalaer. Under det tradisjonelle "prøv-og-feil"-paradigmet tar det vanligvis 10 til 15 år å bringe et nytt materiale fra laboratoriet til masseproduksjon. Videre er materialdata ofte spredt og heterogen, noe som gjør systematisk gruvedrift og gjenbruk vanskelig; manuelle syntese- og karakteriseringsprosesser er ineffektive, og parallelleksperimentering med høy ytelse er fortsatt utfordrende å implementere. I tillegg har det lenge vært mangel på effektive, praktiske verktøy for å forutsi materialegenskaper på tvers av skalaer - fra atomnivå til makroskopisk ytelse.

 

For å løse disse smertepunktene utviklet Yuyao Technology MatterSeek, en AI+MGI (Materials Genome Initiative) FoU-plattform. Drevet av selskapets proprietære HNN (Hierarchical Neural Network), spenner plattformen over tre store FoU-domener: uorganiske materialer, organiske materialer og biofarmasøytiske produkter. Det står som en av få storskala, ikke-språkbaserte prediktive modeller for nye materialer drevet av fysisk resonnement. I motsetning til vanlige store språkmodeller, integrerer MatterSeek hele arbeidsflyten "prediksjon–syntese–karakterisering", som dekker hele verdikjeden av R&D. Ved å utnytte fysiske modeller som en grunnleggende motor, supplert av selskapets egne laboratorier for å lage et lukket sløyfesystem for fysisk eksperimentering i den virkelige verden, tilbyr MatterSeek en systematisk løsning på de fire kjerneutfordringene som materialindustrien står overfor, noe som gjør den til en unik og svært verdifull ressurs i det globale "AI for Science"-landskapet.

 

Når det gjelder funksjonalitet, etablerer MatterSeek en komplett FoU-lukket sløyfe – fra intelligent input til endelig utgang – noe som reduserer adgangsbarrieren betydelig for digitalt drevet materialforskning og -utvikling.

 

Yuyao Technology lanserer "MatterSeek" globalt; Plattform nå tilgjengelig gratis for forskere over hele verden

Den 29. oktober ble MatterSeek - en AI-drevet R&D-plattform for materialer utviklet av Yuyao Technology - offisielt lansert globalt via sin internasjonale nettside og HuggingFace AI-skyplattformen. Programvaren er nå tilgjengelig for gratis nedlasting, åpen for forskere og forskere over hele verden. Denne milepælen markerer et kritisk skritt i Yuyao Technologys globale ekspansjon innen feltet grunnleggende AI-innovasjon for nye materialer, og akselererer overgangen av material-FoU fra tradisjonelle, årelange utviklingssykluser til en tidsramme målt i måneder.

 

Materiell FoU har lenge vært hindret av vedvarende, bransjeomfattende utfordringer, inkludert lange utviklingssykluser, fragmenterte data, lav eksperimentell effektivitet og vanskeligheten med å lage spådommer på tvers av flere skalaer. Under det tradisjonelle "prøv-og-feil"-paradigmet tar det vanligvis 10 til 15 år å bringe et nytt materiale fra laboratoriet til masseproduksjon. Videre er materialdata ofte spredt og heterogen, noe som gjør systematisk gruvedrift og gjenbruk vanskelig; manuelle syntese- og karakteriseringsprosesser er ineffektive, og parallelleksperimentering med høy ytelse er fortsatt utfordrende å implementere. I tillegg har det lenge vært mangel på effektive, praktiske verktøy for å forutsi materialegenskaper på tvers av skalaer - fra atomnivå til makroskopisk ytelse.

 

For å løse disse smertepunktene utviklet Yuyao Technology MatterSeek, en AI+MGI (Materials Genome Initiative) FoU-plattform. Drevet av selskapets proprietære HNN (Hierarchical Neural Network), spenner plattformen over tre store FoU-domener: uorganiske materialer, organiske materialer og biofarmasøytiske produkter. Det står som en av få storskala, ikke-språkbaserte prediktive modeller for nye materialer drevet av fysisk resonnement. I motsetning til vanlige store språkmodeller, integrerer MatterSeek hele arbeidsflyten "prediksjon–syntese–karakterisering", som dekker hele verdikjeden av R&D. Ved å utnytte fysiske modeller som en grunnleggende motor, supplert av selskapets egne laboratorier for å lage et lukket sløyfesystem for fysisk eksperimentering i den virkelige verden, tilbyr MatterSeek en systematisk løsning på de fire kjerneutfordringene som materialindustrien står overfor, noe som gjør den til en unik og svært verdifull ressurs i det globale "AI for Science"-landskapet.

 

Når det gjelder funksjonalitet, etablerer MatterSeek en komplett FoU-lukket sløyfe – fra intelligent input til endelig utgang – noe som reduserer adgangsbarrieren betydelig for digitalt drevet materialforskning og -utvikling.

 

Utviklingsscenarier på tvers av materiallandskapet

Fordi MatterSeek forutsier fra fysikk snarere enn språkmønstre, kan én modell brukes på tvers av et bredt spekter av materialutviklingsscenarier - fra atom-skala komposisjonsscreening til formuleringsnivåoptimalisering. Utover de kommersielle distribusjonene ovenfor, er plattformen bygget for å støtte FoU-team i følgende retninger:

Halvleder og mikroelektronikk- screening av lav-k- og høy-k-dielektriske stoffer, halvledere med bred båndgap og emballasje- eller termiske grensesnittmaterialer mot mål for dielektrisk konstant, termisk stabilitet og prosesskompatibilitet.

Batteri- og energilagring- utforske katode-, anode- og fastelektrolyttsammensetninger, og rangering av kandidater etter ionisk ledningsevne, elektrokjemisk vindu og termisk stabilitet før man forplikter seg til syntese.

Fotovoltaikk og solenergi- evaluere absorberende lag, passiveringsfilmer og innkapslingsmaterialer, behandle båndgap, defekttoleranse og langsiktig stabilitet som leddbegrensninger i stedet for sekvensiell prøving og feiling.

Katalyse og kjemikalier- kartlegging av katalysator- og støttesammensetninger mot aktivitets-, selektivitets- og holdbarhetsdeskriptorer, og innsnevring av det eksperimentelle rommet før testing i benkskala.

Polymerer og organiske materialer- koble monomer- og ryggradsvalg til glassovergangstemperatur, dielektrisk oppførsel, mekanisk ytelse og nedbrytningsprofiler - inkludert resirkulerbare og biologisk nedbrytbare formuleringer.

Metaller og legeringer- å forutsi fasestabilitet, smeltepunkt og høytemperaturytelse for superlegeringer, lettvektslegeringer og strukturelle metaller, og flagge lovende sammensetninger for smelte- og støpeforsøk.

Keramikk og uorganiske materialer- screening av strukturell og funksjonell keramikk - piezoelektriske og dielektriske komposisjoner blant dem - for termisk sjokkmotstand, sintringsadferd og elektromekanisk respons.

Biologi og farma- støtte formulering og seleksjon av hjelpestoffer, salt- og polymorfscreening, og stabilitetsvurdering for biologisk og småmolekylær utvikling, der kandidatplassen er enorm og hvert eksperiment er kostbart.

 

På tvers av alle disse retningene jobber brukere i ett enkelt grensesnitt: beskriver målet på naturlig språk, begrenser elementplassen på det visualiserte periodiske systemet, og sammenligner kandidatsammensetninger på tvers av flere predikerte egenskaper – slik at et utviklingsprogram kan sekvenseres i måneder i stedet for år.

 

På det underliggende teknologinivået utnytter MatterSeek HNN-algoritmen for å oppnå få-skudds prediksjon. Den inneholder 1 035 innebygde materialbeskrivelser, en egenutviklet modellparameterrate på 92 %, og 188 vertikale undermodeller, som forsterker plattformens teknologiske grunnlag.

 

YuYao (Beijing) Technology Co., Ltd. er en nasjonal høyteknologisk bedrift og en Beijing "spesialisert, raffinert, særegen og innovativ" (SRDI) små og mellomstore bedrifter dypt engasjert i Kinas "AI + nye materialer" kryssinnovasjonsfelt. Selskapet fokuserer på skjæringspunktet mellom kunstig intelligens og nye materialer; kjernevirksomheten omfatter forskning og utvikling av store modeller for nye materialer, støttende tekniske tjenester og industrialisering av resultater for nye materialer. Teamet har samlet inn 27 nasjonale patenter. Hovedproduktene og -tjenestene dekker egenutviklede AI-materialemodeller, eksperimentelle databaser med høy presisjon for nye materialer og tilpassede FoU-tjenester for nye materialer, som styrker intelligent FoU-materiale over hele linjen.

 

Med øyeblikkelig virkning kan forskere over hele verden få gratis nedlastingstilgang til MatterSeek-klienten, YuYao Technologys flaggskipmaterialer AI-programvare, gjennom selskapets utenlandske offisielle nettsted og Hugging Face AI-skyplattformen. Når vi ser fremover, vil YuYao Technology fortsette å iterere og optimere sine modellegenskaper i tråd med de reelle behovene til globale forskningsbrukere, og jobbe sammen med forskere over hele verden for å utvide grensene for innovasjon av nye materialer.