黄仁勋口中的"AI终极方向",正被两个95后变为现实
02重塑材料研发范式
深度原理的核心技术路径,在于将生成式AI与第一性原理计算深度融合。公司在多个技术维度实现了全面SOTA(State-of-the-Art)。
物性预测领域,推出材料基座模型MPA(Materials Property Axiom),将大语言模型中已被验证有效的多阶段训练思想引入材料性质预测,通过物理对齐训练和面向实验任务的模型结构设计,在近40项实验物性预测任务中取得SOTA水平。

材料生成领域,研发了SAGA模型,使智能体能够在复杂的材料生成任务中自主调整,较全球大型科技公司研发的各类模型展现出更强的多目标优化能力。
化学反应生成领域,推出OA-ReactDiff、React-OT等系列模型,打开了静态预测的黑箱,将过渡态生成从传统的数天乃至数月缩短至0.4秒。
公司自研了六大算法模块——ReactGen(分子生成)、Reactify(精准计算)、ReactControl(控制模型)、ReactBO(广域筛选)、ReactNet(合成导航)等,集成于自研平台。
在此基础上,推出了AI Scientist平台Mira,可自主完成长链路科研全流程的设计、执行、复盘与动态调优。

图源:深度原理
公司还建立了L4级别的高通量实验室AI Materials Factory,实现了由Mira自动设计实验链路、操控实验设备、并自动收集实验数据。

深度原理成立仅一年多时间,公司已获得超千万元人民币的商业订单。公司与杉海创新共建AI超分子材料平台“超屿Synthrix? 1.0”。公司与欧莱雅等头部企业深度合作,在新材料、日化、新能源等多领域实现技术落地。
目前,公司已积累多个国际和国内头部客户,合作形式不断深化,已升级为Agent订阅模式,并率先开创了材料领域的管线共同研发。
[加西网正招聘多名全职sales 待遇优]
好新闻没人评论怎么行,我来说几句
深度原理的核心技术路径,在于将生成式AI与第一性原理计算深度融合。公司在多个技术维度实现了全面SOTA(State-of-the-Art)。
物性预测领域,推出材料基座模型MPA(Materials Property Axiom),将大语言模型中已被验证有效的多阶段训练思想引入材料性质预测,通过物理对齐训练和面向实验任务的模型结构设计,在近40项实验物性预测任务中取得SOTA水平。

材料生成领域,研发了SAGA模型,使智能体能够在复杂的材料生成任务中自主调整,较全球大型科技公司研发的各类模型展现出更强的多目标优化能力。
化学反应生成领域,推出OA-ReactDiff、React-OT等系列模型,打开了静态预测的黑箱,将过渡态生成从传统的数天乃至数月缩短至0.4秒。
公司自研了六大算法模块——ReactGen(分子生成)、Reactify(精准计算)、ReactControl(控制模型)、ReactBO(广域筛选)、ReactNet(合成导航)等,集成于自研平台。
在此基础上,推出了AI Scientist平台Mira,可自主完成长链路科研全流程的设计、执行、复盘与动态调优。

图源:深度原理
公司还建立了L4级别的高通量实验室AI Materials Factory,实现了由Mira自动设计实验链路、操控实验设备、并自动收集实验数据。

深度原理成立仅一年多时间,公司已获得超千万元人民币的商业订单。公司与杉海创新共建AI超分子材料平台“超屿Synthrix? 1.0”。公司与欧莱雅等头部企业深度合作,在新材料、日化、新能源等多领域实现技术落地。
目前,公司已积累多个国际和国内头部客户,合作形式不断深化,已升级为Agent订阅模式,并率先开创了材料领域的管线共同研发。
[加西网正招聘多名全职sales 待遇优]
| 分享: |
| 注: | 在此页阅读全文 |
| 延伸阅读 |
推荐:
黄仁勋口中的"AI终极方向",正被两个95后变为现实