博文
- 材料工业的质量设计与控制工具+
- 上篇讲到统计学模型可用于质量控制，这在上世纪八十年代已实践证明行之有效。 科学研究的一个目标是发现这些数据背后的规律与物化机制，以实现有目的的控制产品质量与提升材料水平。因此，与数据的相干关系未能回答为什么不同，数据背后的因果关系才是本质的。因 ...
- 材料工业的质量设计与控制工具
- AI for Science 的一个底层问题是：物理、化学、材料等学科是强因果的 —— 数理模型；目前受到极大关注的 AI 模型主要有两大类 —— 统计模型和语言模型，如何从统计模型、语言模型出发构建出因果数理模型？或者各司其职互相补充！
- 知识与数据协同智算方法及应用
- 时至今日，终于想明白知识与数据协同智算方法的底层逻辑，材料领域的小数据价值也大道至简 呈现 桌面。在基础研究上书架（ 《钙钛矿结构铁性功能材料》已出库800本、《工程设计基础》多省区选用 ） 之后应用研究上货架也不会久远了... 本方法 至少 包括 以下 特点： 1）数据科 ...
- 多尺度联动计算仿真<—知识与数据协同的智算预测模型 :: 现实可行
- 材料设计与服役评价的计算仿真横跨从亚原子到宏观多种尺度，基于物质的层展性、不同尺度遵从不同的动力学方程。虽然实验观测与工程实践已提供了一定量的数据，理论分析也建立了一系列动力学基本方程，然而，工程实践中仍感数据不足、规律不明，不得不采用许多工程近似... 跨尺度信息（ ...
- 仿制？总是差一点点！——> 需要再创造
- 有材可仿时，性能总是差一点点！配方可逆向，工艺过程却无法逆向。工艺创制能力几何？ 无材可仿呢，创制能力又几何？配方与工艺两个环节一个都不能少。 分析是对事物进行分解 vs 实验是对事物进行综合 —— 仰观俯察两法皆需！ 例如，碳纤维重要性不必赘言。看东丽公司的产品规格（下表）能洞察几何？高山仰止 ...
- 新中心上路 —— 智能计算材料
- 干好智能计算材料一件事，发展算法工具、提供计算服务。中心特色呢？跨尺度材料计算。 不同尺度计算如何跨？以实现数据和信息传递，这是一个难事、是中心任务。 不同学科背景需要交叉，从讨论开始...
- 工程设计选材工具略见：从相干性到因果性
- 材料五花八门，工程设计如何快速、有效选择性价比高的材料？Ashby设计的材料特性图已广泛使用，软件工具也已商业化。机械设计 常见的 选材用的Ashby图示例如下： 材料杨氏模量与密度关系图（ Chart created using CES EduPack 2019, ANSYS Granta © 2020 Granta Design. 原图链接： https://www.grantade ...
- 与其找大数据，不如发展知识与数据协同方法！
- 在大数据+AI成功的时代，借用他山之石以攻材料学问题是很自然的想法。但是，“大数据”把注意力导向了数据量，没有足够的数据量，AI算法——机器学习程序运行存在问题。然而，没有“大数据”材料学问题就没有其它智能计算方法了么？显然，知识与数据协同的方法值得优先考虑与发展。 对此，Fujinuma等人保持了冷静的头脑 ...
- “大模型”三问
- 热度 1
- 自年初chatGPT热闹以来，“大模型”满天飞，业已渗透到科学领域。 去岁改行以来，对AI与科学如何结合进行了调研。针对“大模型”现象，兹有三个问题萦绕： 1. 科学语言不止自然语言（Nature Language），“大模型”对其它语言处理能力如何？ 2. 物理、材料等学科是强因果的，“大模型”因果推理能力几何？ 3 ...
- 难事 — 在做的事
- 开卷有益，发现难事： 去岁今朝，改行规划： 咦，一道耳！
