Materials innovation has a scale-up problem, not discovery
2 days ago
- #manufacturing innovation
- #materials science
- #AI scaling
- 理查德·费曼在1959年发表的'底部尚有大量空间'演讲开创了原子尺度控制，引领了现代电子学与摩尔定律的发展。
- 当前用于人工智能、量子技术和能源技术的材料已在实验室中制备并已知，但其面临的是规模化瓶颈，而非材料发现难题。
- 英特尔在2007年45纳米节点开发的高介电常数材料表明，关键突破在于工艺放大，而非材料本身的发现。
- 规模化挑战既包括材料复杂互联环境带来的物理障碍，也包括因表征数据碎片化、孤立化导致的信息壁垒。
- 如今，人工智能和传感器丰富的工具可实现实时数据处理，使像Atomscale这样的系统能够指导生长过程，并更有效地利用现有数据。
- Atomscale运用基于物理原理的人工智能模型，将原始数据实时转化为洞察，从而提升制造可靠性并促进跨组织的知识积累。
- 未来将通过利用可互操作的材料数据来缩短规模化时间线，实现从材料探索到导航与生产制造的转变。