黃仁勳口中的"AI終極方向",正被兩個95後變為現實
02重塑材料研發范式
深度原理的核心技術路徑,在於將生成式AI與第壹性原理計算深度融合。公司在多個技術維度實現了全面SOTA(State-of-the-Art)。
物性預測領域,推出材料基座模型MPA(Materials Property Axiom),將大語言模型中已被驗證有效的多階段訓練思想引入材料性質預測,通過物理對齊訓練和面向實驗任務的模型結構設計,在近40項實驗物性預測任務中取得SOTA水平。

材料生成領域,研發了SAGA模型,使智能體能夠在復雜的材料生成任務中自主調整,較全球大型科技公司研發的各類模型展現出更強的多目標優化能力。
化學反應生成領域,推出OA-ReactDiff、React-OT等系列模型,打開了靜態預測的黑箱,將過渡態生成從傳統的數天乃至數月縮短至0.4秒。
公司自研了六大算法模塊——ReactGen(分子生成)、Reactify(精准計算)、ReactControl(控制模型)、ReactBO(廣域篩選)、ReactNet(合成導航)等,集成於自研平台。
在此基礎上,推出了AI Scientist平台Mira,可自主完成長鏈路科研全流程的設計、執行、復盤與動態調優。

圖源:深度原理
公司還建立了L4級別的高通量實驗室AI Materials Factory,實現了由Mira自動設計實驗鏈路、操控實驗設備、並自動收集實驗數據。

深度原理成立僅壹年多時間,公司已獲得超千萬元人民幣的商業訂單。公司與杉海創新共建AI超分子材料平台“超嶼Synthrix? 1.0”。公司與歐萊雅等頭部企業深度合作,在新材料、日化、新能源等多領域實現技術落地。
目前,公司已積累多個國際和國內頭部客戶,合作形式不斷深化,已升級為Agent訂閱模式,並率先開創了材料領域的管線共同研發。
[物價飛漲的時候 這樣省錢購物很爽]
好新聞沒人評論怎麼行,我來說幾句
深度原理的核心技術路徑,在於將生成式AI與第壹性原理計算深度融合。公司在多個技術維度實現了全面SOTA(State-of-the-Art)。
物性預測領域,推出材料基座模型MPA(Materials Property Axiom),將大語言模型中已被驗證有效的多階段訓練思想引入材料性質預測,通過物理對齊訓練和面向實驗任務的模型結構設計,在近40項實驗物性預測任務中取得SOTA水平。

材料生成領域,研發了SAGA模型,使智能體能夠在復雜的材料生成任務中自主調整,較全球大型科技公司研發的各類模型展現出更強的多目標優化能力。
化學反應生成領域,推出OA-ReactDiff、React-OT等系列模型,打開了靜態預測的黑箱,將過渡態生成從傳統的數天乃至數月縮短至0.4秒。
公司自研了六大算法模塊——ReactGen(分子生成)、Reactify(精准計算)、ReactControl(控制模型)、ReactBO(廣域篩選)、ReactNet(合成導航)等,集成於自研平台。
在此基礎上,推出了AI Scientist平台Mira,可自主完成長鏈路科研全流程的設計、執行、復盤與動態調優。

圖源:深度原理
公司還建立了L4級別的高通量實驗室AI Materials Factory,實現了由Mira自動設計實驗鏈路、操控實驗設備、並自動收集實驗數據。

深度原理成立僅壹年多時間,公司已獲得超千萬元人民幣的商業訂單。公司與杉海創新共建AI超分子材料平台“超嶼Synthrix? 1.0”。公司與歐萊雅等頭部企業深度合作,在新材料、日化、新能源等多領域實現技術落地。
目前,公司已積累多個國際和國內頭部客戶,合作形式不斷深化,已升級為Agent訂閱模式,並率先開創了材料領域的管線共同研發。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注: | 在此頁閱讀全文 |
| 延伸閱讀 |
推薦:
黃仁勳口中的"AI終極方向",正被兩個95後變為現實