1. Modellazione guidata da Data: analizzare i dati sperimentali storici attraverso l'apprendimento automatico, costruire modelli predittivi e schermare rapidamente soluzioni di progettazione molecolare ottimali.
2. Generazione molecolare e ottimizzazione: progettare automaticamente nuove strutture molecolari utilizzando reti di avversaria generative (GAN) o reti neurali grafiche (GNN) e ottimizzare iterativamente le prestazioni attraverso l'apprendimento del rinforzo.
3. Bilanciamento dell'obiettivo Multi-oggettivo: combinare l'apprendimento multi-task per sincronizzare la previsione della compatibilità e della protezione ambientale dei riduttori dell'acqua con diversi cementi/miscele per ottenere un equilibrio completo delle prestazioni.
4. Accelerazione di simulazione: integrazione della simulazione della dinamica molecolare e AI per prevedere il comportamento di adsorbimento dell'acqua che riduce l'agente sulla superficie delle particelle di cemento, sostituendo parte della verifica sperimentale.
5. Raccomandazione di formula intellettuale: in base ai requisiti effettivi del progetto, il sistema AI raccomanda automaticamente formule adeguate, accorciando il ciclo di ricerca e sviluppo di oltre il 50%.
