1. Моделиране, управлявано от DATA: Анализирайте исторически експериментални данни чрез машинно обучение, изградете прогнозни модели и бързо екранирайте оптимални решения за молекулен дизайн.
2. Малекулно генериране и оптимизация: Автоматично проектирайте нови молекулярни структури, използвайки генеративни състезателни мрежи (GAN) или графични невронни мрежи (GNN) и итеративно оптимизират производителността чрез укрепване на обучението.
3. Мулти-обективно балансиране: Комбинирайте обучението с много задачи, за да синхронизирате прогнозирането на съвместимостта и опазването на околната среда на редуктори на водата с различни цименти/примеси, за да постигнете цялостен баланс на производителността.
4. Ускорение на симулацията: Интегриране на симулация на молекулярна динамика и AI за прогнозиране на поведението на адсорбция на средство за намаляване на водата на повърхността на циментовите частици, заместващо част от експерименталната проверка.
5. Интелигентна формула Препоръка: Въз основа на действителните изисквания на проекта системата AI автоматично препоръчва подходящи формули, съкращавайки цикъла на НИРД с повече от 50%.
