재료 발견 시장 크기, 공유 및 추세 분석 보고서의 글로벌 AI – 산업 개요 및 예측 2033

재료 발견 시장 크기와 성장률에 AI는 무엇입니까

• Data Bridge Market Research 분석에 따르면 재료 발견 시장의 AI가 가치되었습니다.2025년 USD 740.10 백만프로젝트5,605.53 백만 2033, 성장하는2026년부터 2033년까지 28.80%의 CAGR.
• 시장은 진보된 물자, 인공 지능 및 기계 학습에 있는 돌파구를 위한 일어나는 수요에 의해 몰아지고, 건전지 기술, 반도체, 화학물질, 항공 우주 및 약제 연구의 맞은편에 신청을 확장하.
• 재료 개발을 가속화하는 데 필요한 증가, 연구 비용을 절감하고, 재료 성능 향상 제조 업체, 연구 기관 및 기술 회사 AI-powered discovery 플랫폼을 채택. 기계 학습, 유전 AI 및 예측 모델링은 더 빠른 재료 검사, 재산 예측 및 에너지 저장, 전자공학 및 산업 응용 프로그램에 대한 혁신적인 자료의 식별을 가능하게함으로써 전통적인 평가 및 오류 실험을 변환하는 것입니다.

시장 크기 & Forecast

• 글로벌 시장 가치 (2025) : USD 740.10 백만
• 예상 시장 가치 (2033): USD 5,605.53 백만
• 캐스트 CAGR (2026–2033): 28.80%
• 2025년에 지도하는 지역: 북아메리카
• 가장 빠른 성장 지역: Asia Pacific

재료 디스커버리 시장에서 AI의 주요 테이크아웃은 무엇입니까

• 북미는 고급 AI 연구 인프라, 강력한 기술 투자 및 대학, 연구 기관 및 재료 과학 회사 중 공동으로 지원되는 2025에서 41.6%의 가장 큰 수익 점유율을 가진 재료 발견 시장에서 AI를 지배했습니다.
• 아시아 태평양은 2026년부터 2033년까지 31.0%의 CAGR에서 가장 빠르게 성장할 것으로 예상되며, 반도체 제조, 배터리 생산 확대 및 AI-powered 재료 연구에 대한 투자 증가
• 소프트웨어 세그먼트는 AI-powered 자료 informatics 플랫폼, 예측 모델링 도구 및 computational 시뮬레이션 소프트웨어의 채택 증가에 의해 구동 2025에서 55.0% 점유율을 가진 시장을 지도했습니다.
• 서비스는 가장 빠르게 성장하는 구성 요소 유형이며, 30.2%의 CAGR를 등록하고, 전문 구현 및 기술 전문성을 위해 수요를 반영합니다.
• 화학 부문은 화학적 정립 최적화, 촉매 개발 및 특수 재료 발견을위한 AI의 채택 증가로 2025 %의 매출 점유율을 가진 재료 유형 범주를 지배했습니다.
• 2025년 시장 점유율의 36.0%를 차지하는 기계 학습은 재료 특성 예측, 구성 최적화 및 후보 심사에서 광범위한 사용으로 선호합니다.
• 배터리 및 에너지 저장 재료 발견 세그먼트는 향상된 배터리 성능, 에너지 밀도, 충전 속도 및 안전에 대한 수요 증가에 의해 구동 32.2%의 CAGR과 함께 가장 빠르게 성장 응용 분야입니다

물자 발견 시장 Segmentation에 있는 범위 그리고 AI를 보고하십시오

재료 디스커버리 시장에서 AI의 핵심 트렌드는 무엇입니까

• Generative AI와 기초 모형은 물자 발견에서 신중한 화합물을 디자인하기 위하여 채택되고, 물자 재산을 예측하고, 특정한 화학물질, 기계적인 및 전자 특성을 가진 물자를, 전통적인 예심과 공포 연구에 의존하는 감소시킵니다.
• 예를 들어, 1 월 2025에서 Nature는 MatterGen에 대한 연구, 표적 화학, 구조, 기계적, 전자 및 자기 특성을 가진 무기 물질을 설계하기 위해 개발 된 유전자 AI 모델. 이 연구는 새로운 기능 자료의 발견을 가속화하기 위해 유전적 AI의 잠재력을 보여줍니다.
• AI-powered 플랫폼은 연구원들이 광범위한 재료 구성을 탐구하고 배터리, 반도체, 태양 전지 및 고급 산업 응용 프로그램에 대한 후보의 식별을 가속화 할 수 있도록합니다.
• Computational 시뮬레이션을 가진 기계 학습의 통합은 실험실 종합의 잠재적인 물질의 검열을 개선하고, 연구원이 유망한 후보자를 우선화하고 연구 워크플로를 최적화하는 것을 돕습니다.
• 자율 실험실은 점점 AI 알고리즘, 로봇, 실시간 실험적인 피드백을 결합하여 재료 합성을 자동화하고 결과를 특성화하고 후진 실험을 합니다.
• 예를 들어, 10 월 2025에서 Nature Materials는 SCIGEN에 대한 연구 발표, 구조적 제약을 통합하여 후보 퀀텀 자료를 발견합니다. 연구는 10백만개 이상의 무기 화합물을 생성하고 AI 몬 물자 디자인에 있는 진보를 강조하는 유망한 구조를 식별하기 위하여 계산적인 검열을 이용했습니다
• 연구자들은 점점 더 빠른 재료 개발, 맞춤형 재료 특성 및 자동화 된 실험, 유전적 AI 및 자율 발견 플랫폼의 채택은 재료 연구 및 개발 수명주기 전반에 걸쳐 AI의 역할을 확장 할 것으로 예상됩니다.

재료 디스커버리 시장에서 AI의 핵심 드라이버는 무엇입니까

• 배터리, 반도체, 재생 에너지 및 항공 우주의 고급 재료에 대한 수요가 크게 재료 특성 예측 및 유망한 화합물을보다 효율적으로 식별 할 수있는 AI 기반 플랫폼에 대한 필요성을 증가했다.
• 예를 들어, 11 월 2023에서 Nature는 Google DeepMind의 GNoME 딥러닝 시스템에 대한 연구를 발표했습니다. 이는 381,000 개의 안정된 물질을 포함하여 2.2 백만 개의 잠재적 인 결정 구조를 식별하며 배터리, 반도체 및 기타 고급 기술 분야에서 후보의 풀을 확장했습니다.
• 제조 업체, 기술 회사 및 연구 기관은 복잡한 검열 시간을 줄이기 위해 재료 개발에 AI를 통합하고 연구 생산성을 향상시키고 애플리케이션 별 성능 특성을 가진 재료의 개발을 가속화합니다.
• 다양한 재료 데이터베이스, 기계 학습 알고리즘 및 고성능 컴퓨팅에 대한 액세스는 복잡한 재료 구조를 분석하고 물리적 실험에 리소스를 투입하기 전에 잠재적 화합물을 평가하는 연구원을 가능하게합니다.
• 예를 들어, 3 월 2024에서, 화학 과학, 화학의 Royal Society of Chemistry에 의해 출판, AI-guided computational screening 및 실험실 합성을 사용하여 연구에 따르면 두 개의 새로운 칼슘 ruthenate 단계 발견, 무기 물질 연구 및 실험적 검증을 가속화하기 위해 AI의 잠재력을 파괴
• 산업은 점점 에너지 효율, 전자 성능 및 제조 능력을 향상시키기 위해 고급 재료에 의존하고, AI 기반 발견 플랫폼은 혁신을 가속화하고 개발 목을 줄이는 데 중요한 도구를 유지 할 것으로 예상됩니다.

재료 디스커버리 시장에서 AI의 성장은 무엇입니까

• AI 기반 재료 발견은 큰, 신뢰할 수 있고 표준화 된 데이터 세트, 중요한 계산 자원 및 정확한 예측 모델 및 제안 된 자료를 개발하는 전문 과학적 전문 지식을 필요로합니다.
• 예를 들어, 3 월 2023에서 npj Computational Materials는 재료 과학의 작은 데이터 기계 학습을 언급 한 검토를 발표했습니다. 제한된 교육 데이터 세트가 모델 정확도를 제한하고 신뢰할 수있는 AI 기반 재료 발견에 대한 도전을 만드는 과잉의 위험을 증가시키는 것을 강조합니다.
• Inconsistent experimental data, unsuccessful 종합 시도에 대한 제한된 정보, 및 computational 예측과 실제 실험실 결과 사이의 차이는 모델 신뢰성을 줄이고 상업적 채택을 제한 할 수 있습니다.
• 실험 검증, 모델 해석성, 전문화된 인프라 및 기존 실험실 워크플로우와 통합을 위한 필요는, 특히 작은 연구 조직 및 제조업체를 위한 구현 복잡성을 늘리고 있습니다.
• 예를 들어, 2 월 2024에서 Royal Society of Chemistry에 의해 출판 된 디지털 디스커버리는 자료의 검색 결과에 대한 도전을보고, 소프트웨어 의존성, 버전 추적, 코드 조직 및 AI 기반 연구에 대한 신뢰를 방해 할 수있는 문서와 관련된 문제를 식별
• 이 기술 및 운영 과제는 예측된 화합물로 AI-generated 재료의 상용화가 여전히 실용성, 재현성, 안전 및 광범위한 산업 채택 전에 실제 조건에서 성능이 입증되어야 합니다.

재료 디스커버리 마켓에서 AI는 어떻게 세분화

재료 발견 시장의 AI는 구성 요소, 재료 유형, 기술 및 응용 분야의 기초에 구분됩니다.

• 으로 구성

성분의 기초에, 물자 discovery 시장에 있는 AI는 소프트웨어, 기계설비, 및 서비스로 분류됩니다. 소프트웨어 세그먼트는 2025년 추정된 55.0% 점유율을 가진 시장을 지배하고, AI-powered 물자 informatics 플랫폼, 예측 모델링 도구 및 computational 가장 소프트웨어의 채택을 증가시키기 위하여 owing. 이 솔루션은 연구원들이 과학 데이터 세트를 분석하고, 재료 속성을 예측하고, 실험실 실험 전에 잠재적 인 화합물을 검사합니다. 분자 모델링 시스템과 고성능 컴퓨팅 인프라와의 통합은 그 역량을 강화하고 있습니다. 소프트웨어 플랫폼은 재료 설계, 데이터 시각화 및 연구 워크플로우 자동화도 지원합니다. 기계 학습 및 유전자 AI의 채택은 화학 제조, 전자, 에너지 저장에 걸쳐 소프트웨어 수요를 강화하고 있습니다.

서비스 부문은 예측 기간 동안 30.2%의 CAGR에서 가장 빠른 성장을 목격할 것으로 예상되며, 전문화된 구현 및 기술 전문성을 위해 수요를 늘리고 있습니다. 이 서비스는 AI 모델 개발, 과학 데이터 준비, 플랫폼 통합 및 계산 연구 컨설팅을 포함합니다. Materialise Magics 3D Print Suite에 대해 자세히 보기 Materialise에게 문의하기 서비스 제공 업체는 조직이 예측을 검증하고 복잡한 계산 결과를 해석 할 수 있도록 도와줍니다. 맞춤형 AI 애플리케이션의 성장 수요는 컨설팅 및 통합 활동을 지원합니다. 소프트웨어 공급업체, 재료 과학자 및 산업 제조업체 간의 협업은 서비스 요구 사항을 확장하고 있습니다.

• 자료 유형

물자 유형의 기초에, 물자 discovery 시장에 있는 AI는 중합체, 금속 및 합금, 세라믹스, 합성물, nanomaterials, 반도체, 화학물질로 분류됩니다, 생물 물질,기타. 화학 부문은 화학적 정립 최적화, 촉매 개발 및 특수 재료 발견을위한 AI의 채택 증가에 의해 지원되는 2025에서 추정 된 30.0% 점유율을 가진 시장을 지배했습니다. 화학 제조업체는 기계 학습 모델을 사용하여 분자 구조를 분석하고 실험 테스트 전에 화학적 특성을 예측합니다. AI-powered 검열은 또한 코팅, 접착제, 산업 화학물질 및 고성능 중합체를 위한 유망한 화합물을 확인합니다. 비교화학 및 예측 분석의 통합은 연구 효율을 개선하고 불필요한 실험실 실험을 감소시킵니다. 제조, 에너지 및 전자에 걸쳐 고급 화학 제형에 대한 수요가 증가하는 것은 더 많은 채택을 지원합니다.

반도체 세그먼트는 예측 기간 동안 30.1%의 CAGR에서 가장 빠른 성장을 목격 할 것으로 예상되며 고급 전자 재료 및 차세대 칩 기술에 대한 수요 증가로 구동됩니다. AI-powered discovery 플랫폼은 연구원들이 반도체 구성을 평가하고 전기 특성을 예측하고 전자 응용 분야에 적합한 재료를 식별 할 수 있습니다. 칩 제조에 있는 복합성 증가는 개량한 전도도, 열 안정성 및 에너지 효율성을 제공하는 물자를 위한 필요를 증가합니다. AI 기반 컴퓨팅 스크리닝은 연구원들이 비용을 절감하기 전에 후보 자료를 조사합니다. 인공 지능 인프라, 전력 전자, 고급 반도체 제조에 대한 투자 증가는 추가 수요를 창출하고 있습니다. 원자로 시뮬레이션과 기계 학습의 통합은 평가 될 수있는 재료 특성의 범위를 확장

• By 기술

기술의 기초에, 물자 발견 시장에 있는 AI는 기계 학습, 깊은 학습, 유전적인 인공 지능, 자연적인 언어 가공, 예측 분석, 도표 신경망 및 다른 사람으로 구분됩니다. 기계 학습 세그먼트는 재료 특성 예측, 구성 최적화 및 후보 심사에서 광범위한 사용으로 2025에서 추정 36.0%의 점유율을 가진 시장을 지배했습니다. 기계 학습 알고리즘은 재료 구조, 구성, 성능 특성과 실험 및 계산 데이터를 사용하여 관계를 확인합니다. 이 기능은 연구원이 유망한 물질을 우선화하고 반복적인 테스트를 감소시킵니다. Supervised 및 unsupervised 학습 기술은 복잡한 데이터셋에 소재 분류 및 패턴 식별도 지원합니다. 시뮬레이션 소프트웨어 및 과학 데이터베이스와의 통합은 더 향상된 모델 유틸리티입니다.

유전 인공 지능 세그먼트는 예측 기간 동안 37.1%의 CAGR에서 가장 빠른 성장을 등록 할 것으로 예상되며 타겟된 속성을 가진 재료를 설계 할 수있는 AI 시스템에 대한 수요가 증가합니다. 생성 모델은 기존 스크린을 통해 쉽게 식별 할 수없는 새로운 분자 구조 및 재료 구성을 제안합니다. 연구자는 특정한 기계적인, 화학물질, 열, 또는 전자 특성을 가진 후보 물자를 탐구하기 위하여 이 체계를 이용할 수 있습니다. 기초 모델 및 유전 알고리즘의 발전은 배터리 재료, 촉매, 폴리머 및 반도체 연구의 응용 프로그램을 확장하고 있습니다. Computational 시뮬레이션과의 통합은 물리적 합성 전에 평가 될 수있다. 가속된 재료 혁신에 대한 관심은 이러한 기술을 채택하기 위해 연구 기관 및 제조업체를 격려하고 있습니다.

• 회사연혁

응용 분야의 기초에, 재료 발견 시장의 AI는 재료 특성 예측, 분자 모델링 및 시뮬레이션, 배터리 및 에너지 저장 재료 발견, 반도체 및 전자 재료 발견, 약물 및 제약 재료 발견, 촉매 발견 및 최적화, 폴리머 디자인 및 개발, 재료 종합 노선 예측 및 기타. 재료 특성 예측 세그먼트는 2025 년 추정 된 38.0% 점유율로 시장을 지배, 실험실 검증 전에 재료 특성의 정확한 예측에 대한 수요 증가에 의해 구동. AI 모형 도움 연구원은 기계적인 힘, 열 안정성, 전기 전도도 및 화학 반응을 견적합니다. 이 예측은 연구팀을 통해 후보물질을 보다 효율적이고 우선적으로 예측할 수 있습니다. Computational 자료 과학 도구와 통합은 복잡한 구조 추진 관계의 분석을 향상시킵니다. 제조업체는 제품 개발 및 재료 성능을 최적화하는 예측 모델을 사용합니다.

배터리 및 에너지 저장 재료 발견 세그먼트는 향상된 배터리 성능, 에너지 밀도, 충전 속도 및 안전에 대한 수요 증가에 의해 구동되는 예측 기간 동안 32.2%의 CAGR에서 가장 빠른 성장을 목격 할 것으로 예상됩니다. AI 기반 플랫폼은 연구원들이 전극 재료, 전해질 및 기타 배터리 구성품을 식별하고 평가하는 데 도움을 줍니다. 기계 학습 모델 분석 실험 데이터 세트는 배터리 동작을 예측하고 더 테스트에 대한 후보 구성을 식별합니다. 재생 에너지 저장에 있는 전기 차량 채택 그리고 투자는 진보된 건전지 기술을 위한 필요를 증가합니다. AI-guided 검열은 또한 연구원이 비싸거나 공급하는 원료에 대안을 조사할 수 있습니다. 자동화된 실험실 및 컴퓨팅 시뮬레이션과 통합은 배터리 연구 워크플로우를 가속화하고 있습니다.

어떤 지역은 재료 디스커버리 시장에서 AI의 가장 큰 점유율을 보유합니까

• 북미는 고급 AI 연구 인프라, 강력한 기술 투자 및 대학, 연구 기관 및 재료 과학 회사 중 공동으로 지원되는 2025에서 41.6%의 가장 큰 수익 점유율을 가진 재료 발견 시장에서 AI를 지배했습니다.
• 이 지역은 제약, 반도체, 화학, 에너지 저장에 걸쳐 AI-powered 연구 플랫폼의 채택과 함께 대학, 정부 실험실 및 산업 제조업체 중 강력한 협력에서 혜택을 누릴 수 있습니다. 고성능 컴퓨팅, 유전 AI 및 컴퓨팅 재료 과학의 투자 증가는 글로벌 시장에서 북미의 리더십 위치를 강화하기 위해 계속.

미국 소재 Discovery Market Insight의 AI

재료 발견 시장의 미국 AI는 인공 지능 연구, 고급 재료 개발 및 computational chemistry 기술에 투자로 인해 강력한 성장을 목격하고 있습니다. 기계 학습, 유전 AI 및 예측 모델링 시스템의 채택 증가와 함께 국가의 성숙한 기술 생태계는 반도체, 제약, 화학, 에너지 저장 응용 분야에서 수요를 운전하고 있습니다. 또한, 연구 및 개발 가속화에 중점을두고 재료 발견 비용을 줄이고 재료 성능 향상은 AI 기반 발견 플랫폼의 채택을 가속화합니다.

Asia-Pacific AI in Material Discovery 시장 통찰력

재료 발견 시장의 아시아 태평양 AI는 급속한 성장을 목격할 것으로 예상되고, 전자 제조를 확장하고, 인공 지능에 투자를 증가시키고, 중국, 일본 및 인도와 같은 국가 전역의 고급 재료에 대한 수요를 상승. 혁신적인 배터리, 반도체 및 화학 물질에 대한 수요 증가와 함께 기계 학습, 딥러닝 및 시뮬레이션 기술을 채택하여 지역 시장 확장을 지원합니다. 또한, 기술 회사, 대학 및 재료 과학 기관 간의 연구 인프라 및 협업에 대한 투자는 산업 및 학술 분야의 AI 채택을 가속화하고 있습니다.

Japan AI in Material Discovery 마켓 인사이트

Japan AI in Material discovery 시장은 고급 재료 연구, 반도체 혁신 및 인공 지능 기술에 대한 투자로 인해 일관된 성장을 목격하고 있습니다. 전자공학 제조자, 자동차 회사 및 연구 기관은 물자 검열을 가속하기 위하여 점점 채택하고, 물자 재산을 예측하고, 연구와 개발 효율성을 개량합니다. 또한, 고성능 배터리 재료, 고급 폴리머에 대한 수요 증가, 차세대 전자 부품은 일본에서 시장 성장에 더 기여하고 있습니다.

중국 AI in Material Discovery 시장 통찰력

재료 발견 시장의 중국 AI는 반도체 생산을 확장하여 빠르게 성장하고 있으며, 인공 지능의 투자를 증가시키고, 기술 자기 신뢰에 대한 정부 초점이되었습니다. 배터리 제조, 전자, 화학, 고급 재료 연구에 걸쳐 AI-enabled 재료 모델링 및 예측 분석의 채택을 크게 향상 시장 수요를 크게 향상. 또한 국내 연구 기능, 에너지 저장 기술 및 고성능 자료에 있는 상승 투자는 AI 몬 물자 발견을 위한 중요한 성장 시장으로 중국을 위치하.

미국 소재 Discovery Market Insight의 AI

재료 발견 시장의 미국 AI는 과학 연구, 제약 개발 및 고급 재료 공학의 인공 지능의 상승 채택에 의해 지원 꾸준한 성장을 경험하고있다. AI 연구 인프라에 투자를 증가시키고 효율적인 데이터 중심 자재 선별 솔루션에 대한 수요가 증가하고 있습니다. 또한, 기계 학습의 통합, 유전 AI, 및 계산 모델링은 재료 발견 산업에서 AI의 중요한 혁신 허브로서 U.K에 위치하는 재료 예측 및 연구 효율성을 개선하고 있습니다.

독일 AI in Material Discovery 시장 통찰력

재료 발견 시장의 독일 AI는 국가의 강력한 산업 제조 기지, 고급 엔지니어링 기능 및 차세대 AI 기술의 채택을 증가하기 때문에 꾸준히 확장하고 있습니다. 자동차 제조업체, 화학 회사, 반도체 개발자 및 연구 기관은 재료 설계, 특성 예측 및 연구 및 개발 활동을 위해 AI 플랫폼을 활용하고 있습니다. 기계 학습, computational 시뮬레이션 및 데이터 중심 재료 공학의 지속적인 발전은 혁신과 제조 효율에 강한 산업 초점과 함께, 독일에서 더 운전 시장 성장.

재료 디스커버리 시장에서 AI의 최고 기업은 무엇입니까

재료 발견 업계에서 AI는 주로 잘 설립 된 회사에 의해 주도됩니다 :

• Citrine 정보학, Inc. (미국)
• Schrödinger, 주식회사(미국)
• 물자. Zone Technologies 주식회사. (이스라엘)
• 소프트웨어. (미국)
• Aionics, (주)(미국)
• 팝업레이어 알림
• Preferred Computational Chemistry, Inc. (일본)
• (주)에이터랩스
• UL 연구소 (미국)
• Discovered Materials (미국)
• Yonder 재료 (미국)
• Doublet Labs (미국)
• (미국)
• XtalPi Holdings Limited (중국)
• SES AI Corporation (미국)
• QuantumScape Corporation (미국)
• Schrödinger 재료 과학 (미국)
• NVIDIA Corporation (미국)
• 국제 비즈니스 기계 공사 (미국)
• Microsoft Corporation (미국)

재료 디스커버리 시장에서 AI의 최신 개발은 무엇입니까

• 6 월 2025에서 Aionics는 배터리 전해질 및 기타 화학 응용 분야에 대한 정립 개발을 가속화하기 위해 설계된 인공 분자 지능 (AMI) 플랫폼을 출시했습니다. 이 플랫폼은 AI를 사용하여 복잡한 화학적 정립을 돕고 분자의 상호 작용과 실제 정립 제약을 고려하면서 연구자들은 잠재적 인 물질을 효율적으로 평가합니다. 이 출시는 재료 연구 및 배터리 혁신을 가속화하는 전문 AI 시스템의 성장 역할을 강조합니다.
• 4 월 2025에서 SES AI는 분자 우주 MU-0 재료 발견 플랫폼을 발표하여 물리 기반 방법과 인공 지능을 결합하여 배터리 재료의 발견을 지원합니다. AI 가능하게 된 분자 분석이 고급 리튬 금속 및 리튬 이온 배터리 기술의 개발을 지원할 수있는 방법을 보여주는 소프트웨어 및 서비스 플랫폼을 보여줄 계획입니다. 이 개발은 AI 기반 도구의 증가 사용을 반영하여 에너지 저장에 대한 재료 발견을 가속화합니다.
• 7월 2024일, SLAC National Accelerator Laboratory의 연구원과 Stanford University는 대상 재료 발견에 대한 AI 기반 접근 방식을 도입했습니다. 이 방법은 수집 및 분석 데이터의 효율성을 개선하기 위해 설계되었으며 특정 속성을 가진 자료를 검색하는 동안. 연구는 과학자들이 기후 기술에서 양자 컴퓨팅에 이르기까지 응용 프로그램에 대한 유망한 후보를 식별 할 수 있으며 더 자동화 된 실험 워크플로우의 개발을 지원하는 동안.
• 11 월 2023에서 Google DeepMind는 GNoME 딥러닝 도구가 향후 기술에 대해 안정적이고 잠재적으로 유용한 것으로 예측되는 약 380,000 개 이상의 새로운 크리스탈 구조를 예측했다고 발표했습니다. 이 팀은 재료 프로젝트를 통해 연구 커뮤니티에 사용할 수있는 유망한 예측 된 구조를 만들어졌으며 배터리, 전자 및 기타 응용 분야의 재료로 더 많은 조사를 지원합니다. AI가 과학적 테스트를 위해 사용할 수있는 후보 물질의 범위를 확장 할 수있는 방법을 보여줍니다.
• 2021년 7월, Preferred Computational Chemistry는 클라우드 기반 원자적 시뮬레이션 서비스로 Matlantis를 출시했습니다. Preferred Networks 및 ENEOS로 개발된 플랫폼은 기존의 물리적 시뮬레이션을 통해 딥러닝을 통합하여 원자재 행동 분석을 가속화합니다. 이 접근법은 산업 및 학문적인 연구원들이 AI-powered 물자 발견에 있는 중요한 초기 상업적인 발달을 더 능률적으로 표시하는 잠재적인 물자의 광범위를 탐구하는 것을 돕기 위하여 디자인되었습니다.

SKU-76906