【技术实现步骤摘要】
本专利技术涉及人工智能辅助材料开发领域，特别是涉及一种利用多模态大模型辅助材料合成的方法、系统及存储介质。
技术介绍
1、目前，材料配方开发主要依赖于工程师的经验和反复试错，工程师需要根据经验选择原材料种类和配比，设计加工工艺参数，然后进行实验验证。如果实验结果不符合预期性能指标，则需要调整配方和工艺参数后重新进行实验。这种开发模式存在以下问题：
2、材料配方开发周期长：一个工程师平均需要花费60天时间才能开发出一个满足要求的材料配方，严重影响新产品的研发效率和市场响应速度。
3、材料性能预测困难：在确定配方前，工程师难以准确预测最终产品的性能指标，只能通过实验验证的方式来确认，这导致大量的人力物力浪费。
4、材料配方可信度难以评估：当获得一个新的材料配方时，工程师难以在实验验证前判断该配方能否达到声称的性能指标，这增加了研发过程中的试错成本。
5、现有技术中缺乏有效的工具来协助工程师快速开发材料配方、预测材料性能以及评估配方可信度。这使得材料研发过程效率低下，创新受限，难以满足市场对新材...
【技术保护点】
1.一种利用多模态大模型辅助材料合成的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的利用多模态大模型辅助材料合成的方法，其特征在于，所述利用已知的材料配方数据训练所述多模态大模型的步骤包括：将材料原料和加工过程作为输入，将合成后材料的性能指标作为输出，建立所述材料原料及加工过程的嵌入与材料性能的嵌入之间的对应关系。
3.根据权利要求1所述的利用多模态大模型辅助材料合成的方法，其特征在于，所述材料包括橡胶、塑料或涂料中的至少一种。
4.根据权利要求1所述的利用多模态大模型辅助材料合成的方法，其特征在于，所述基于物理化学特性...
【技术特征摘要】
1.一种利用多模态大模型辅助材料合成的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的利用多模态大模型辅助材料合成的方法，其特征在于，所述利用已知的材料配方数据训练所述多模态大模型的步骤包括：将材料原料和加工过程作为输入，将合成后材料的性能指标作为输出，建立所述材料原料及加工过程的嵌入与材料性能的嵌入之间的对应关系。
3.根据权利要求1所述的利用多模态大模型辅助材料合成的方法，其特征在于，所述材料包括橡胶、塑料或涂料中的至少一种。
4.根据权利要求1所述的利用多模态大模型辅助材料合成的方法，其特征在于，所述基于物理化学特性的理论评估包括：基于物理化学特性进行物理约束校验；所述基于历史数据的统计评估包括：计算当前配方在历史实验数据中的置信区间以及利用行业标准数据库和历史成功配方库进行交叉验证；所述基于多尺度模拟的性能评估包括：结合微观材料模拟与宏观材料性能预测进...
【专利技术属性】
技术研发人员：程洪武，尹路，
申请(专利权)人：上海翼马平川智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。