案例研究AI +材料合成：Citrine帮助HRL找到航空级3D打印铝合金

Citrine智能材料平台基于先进的AI工具和智能数据管理基础架构，可用于数据驱动的材料和化学开发。

该平台可以基于机器学习模型并结合用户公司的行业知识来预测各种配方下材料的性能，以帮助加速材料的研发。

材料合成行业：3D打印金属材料迫切需要人工智能以帮助突破性能限制。

增材制造（AM），通常称为3D打印，可以生产出非常接近最终规格的零件，从而减少了材料浪费，焊接和其他后续工作。

处理。

但是，打印材料的局限性使得3D打印尚未在工业领域中广泛使用。

以波音和通用汽车共同拥有的HRL实验室为例。

航空航天和汽车行业需要重量轻且在极端温度下具有高强度的合金。

但是，3D打印铝合金的强度不足以满足条件。

由于3D打印金属将在固化过程中形成热裂纹，从而影响金属的强度，因此HRL实验室希望找到一种可以使微结构成核的纳米颗粒，以减少热裂纹的发生。

材料智能研发应用案例分析：以Citrine帮助HRL寻找航空级3D打印铝合金为例。

Citrine智能材料平台基于最先进的AI工具和智能数据管理基础架构构建，可用于数据驱动的材料和化学开发。

该平台可以基于机器学习模型，结合用户公司的行业知识，预测各种配方下材料的性能，并加速材料的研发。

1.核心功能Citrine智能材料平台可以快速搜索1150万种粉末和纳米颗粒的组合。

该平台针对目标材料的属性分批查找组合，识别相关数据集和数据流，并创建用于材料感知的数据结构；然后根据数据生成，优化和验证模型。

此外，该平台在每个环节都支持人机集成的操作模式，涉及的功能主要包括：数据管理-该平台可以提取，构建和存储材料和化学品开发过程中的数据，避免重复测试，以及可以快速找到相关的数据集。

域知识集成（DKI）-该平台将最大限度地利用用户领域知识数据，以优化机器学习模型的性能。

通过数据导入（摄取），数据策划（Curation），数据表征（特征化），设计空间生成，AI模型生成和目标材料设置的六个步骤来预测各种配方下材料的性能，并给出实验建议。

双界面操作-该平台具有两种不同的界面：一种是图形化的Web界面，它允许直观地访问数据和机器学习模型。

第二个是灵活的Python客户端，可以支持数据工程师和收据科学家的自动化工作流。

2.应用效果在HRL实验室与Citrine的合作项目中，该平台确定了100种粉末和纳米颗粒的候选组合，以优化需要合成和测试的HRL团队的性能。

所得材料al7a77是在铝业协会注册的用于现成AM机器的第一种高强度铝合金粉末原料。

同时，其材料研发工作取得了许多成就，其中包括：1.节省时间：由于采用了材料信息学方法，实验实验室的工作从几年减少到几天。

2.改进的性能：新的合金粉末在现成的3D打印设备中使用时仍可以保持其强度。

3.率先注册：该研发成果成为铝协会注册的第一个添加剂合金。

4.首次进入市场：与黄水晶有关的研究报告发表两年后，NASA成为第一个商业化客户。