1. Pemodelan yang didorong oleh Data: Menganalisis data eksperimen sejarah melalui pembelajaran mesin, membina model ramalan, dan cepat menyaring penyelesaian reka bentuk molekul optimum.
2. Generasi dan Pengoptimuman Molekul: Reka bentuk struktur molekul novel secara automatik menggunakan rangkaian adversarial generatif (GAN) atau graf neural rangkaian (GNN), dan mengoptimumkan prestasi secara beransur -ansur melalui pembelajaran tetulang.
3.Multi-objektif Balancing: Menggabungkan pembelajaran pelbagai tugas untuk menyegerakkan ramalan keserasian dan perlindungan alam sekitar pengurangan air dengan simen/admixtures yang berbeza untuk mencapai keseimbangan prestasi yang komprehensif.
4.Simulasi Percepatan: Mengintegrasikan simulasi dinamik molekul dan AI untuk meramalkan tingkah laku penjerapan ejen pengurangan air pada permukaan zarah simen, menggantikan sebahagian daripada pengesahan eksperimen.
5. Cadangan Formula Intilligent: Berdasarkan keperluan projek sebenar, sistem AI secara automatik mengesyorkan formula yang sesuai, memendekkan kitaran R & D sebanyak lebih daripada 50%.
