聊起 AI, 画面都充斥着机械语言: 精密高级的芯片, 光怪陆离的智能产业...... 你眼中的 AI 有什么样的能力? 能给传统行业带来哪些变革与发展? 基于此, 云加社区联手知乎科技, 从知乎 AI 与传统行业相关话题中精选内容落地社区专题「 AI 与传统行业的融合 」.
本文为 "AI 将如何影响制造业" 的精华内容分享.
我自己从事的是材料领域. 目前全球正在推进 AI 在材料领域的应用.
首先材料的开发分为如下阶段: 发现, 开发, 优化, 小试 / 中试, 量产.
1 材料发现. 其中开发阶段主要是新材料的发现, 传统的材料发现是炒菜式试错发现方式, 基于试错和研发人员进行试错发现, 但是效率低, 时间周期长. 随着计算机技术的发展以及 AI 技术的发展, 加之全球在推动材料基因组计划, 产生了大量的材料数据和材料数据库. 因此 AI 就可以在材料专家的使用下, 用于新材料的发现. 我们称之为材料基因组, 相关的研究材料的方式也叫作材料信息学 (material informatics). 当然这里需要强调的是, mgi(材料基因组计划) 是借鉴的生物基因组或者化学信息学的技术路线. 因为在生物医药, 计量化学等领域很久之前就把 AI 应用到分子材料的发现和医药的研究中了, 主要是研究定量构效关系, 即 qsar. 举个简单的例子, AI 可以用于发现新材料. 传统的热电材料发现都集中在元素周期表的六主族附近, 但结合 AI, 你就会发现在二主族附近也有类似的材料. 即 AI 可以实现如下应用: 发现新材料, 发现已知材料的位置性能.
2 材料开发. 材料开发讲之前需要明确, 材料按照大类分为功能材料和结构材料. 功能材料以半导体材料为例, 结构材料以钢铁为例. 功能材料是由元素, 官能团或者结构确定其功能. 而结构材料却不仅仅是上述决定因素, 需要考虑到对应的工艺参数. 那么在材料开发, 即性能预测, 成分设计方面, AI 可以加速材料的设计或者说基于数据驱动辅助材料设计. 比如在锂电添加剂中可以通过 machine learning 来拟合一些计算材料学数据供 DFT 软件计算.
3 中试与小试. 结合 AI 可以在数据量较少的情况下去做数据挖掘, 实现描述, 诊断, 预测等功能. 同时 AI 可以与试验设计 (DOE) 结合加速 doe 的设计, 减少实验次数, 降低成本.
4 量产阶段. 这个时候就是质量管理, 失效分析, 能耗管理, 排程优化, 先进过程控制等等, 这个可以详细参考工业大数据白皮书, 里面有详细的介绍.
5 其余和专业工业软件的融合, 比如 AI 和 eda 融合, AI 和 fem 融合, AI 与 cfd 融合.
各种例子数不胜数
作者: 李剑 https://www.zhihu.com/people/li-jian-39-72-79
链接:
来源: https://www.qcloud.com/developer/article/1614296