Citrine智能材料平臺基于尖端AI工具和智能數據管理基礎架構搭建而成，可用于數據驅動的材料和化學品開發。平臺可基于機器學習模型，結合用戶企業的行業知識來預測材料在各種配方下的性能，幫助加速材料研發工作。

材料合成行業：3D打印金屬材料亟待人工智能助力突破性能局限

增材制造（Additive Manufacturing，AM）俗稱3D打印，該技術可以生產出與最終規格要求頗為接近的零件，減少材料浪費和焊接等其他后續處理。然而，打印材料的限制使得當下3D打印尚無法被廣泛使用在工業領域。以波音公司和通用汽車公司聯合擁有的HRL實驗室為例，航空航天和汽車工業需要重量輕、在極端溫度下具有高強度的合金，然而3D打印鋁合金的強度并不足以滿足條件。由于3D打印金屬在固化過程中會形成熱裂紋（hot cracking），從而影響金屬強度，HRL實驗室希望能夠找到一種能使微型結構成核的納米粒子，以減少熱裂紋的出現。

材料智能研發應用案例解析： 以Citrine助力HRL尋找航天級別3D打印鋁合金為例

Citrine智能材料平臺基于尖端AI工具和智能數據管理基礎架構搭建而成，可用于數據驅動的材料和化學品開發。平臺可基于機器學習模型，結合用戶企業的行業知識來預測材料在各種配方下的性能，加速材料研發工作。

一、 核心功能

Citrine智能材料平臺可以快速搜索1150萬種粉末和納米顆粒的組合。平臺通過針對目標材料的性質按批次尋找組合，識別關聯的數據集和數據流，創建材料感知的數據結構；然后基于數據來，生成，細化和驗證模型。此外，平臺在每個環節均支持人機結合的操作模式，其涉及的功能主要包含：

數據管理 – 平臺可以提取、構建和存儲材料和化學品開發過程中的數據，避免重復試驗，并能夠迅速找到相關的數據集。

領域知識集成（DKI） – 平臺將最大限度利用用戶的領域知識數據來優化機器學習模型的性能。通過數據導入（Ingestion）、數據策展（Curation）、數據特征化（Featurization）、設計空間生成、AI模型生成以及目標材料設置六個步驟來預測材料在各種配方下的性能，并給出試驗建議。

雙界面操作 – 平臺具有兩個不同的界面：一為圖形化網頁界面，可直觀訪問數據和機器學習模型。二為一個靈活的Python客戶端，可支持數據工程師和收據科學家自動化工作流程。

二、應用效果

在HRL實驗室和Citrine的合作項目中，平臺確定了100種粉末和納米顆粒的候選組合以優化HRL團隊需要合成測試的屬性。由此產生的材料al7a77是第一種高強度鋁合金粉末原料，用于在鋁協會注冊的現成AM機器。同時，其材料研發工作實現了多項成就，包含：

1. 時間節?。河捎诓牧闲畔W方法，實驗實驗室工作從數年減少到幾天。

2. 性能提高：新型合金粉在現成的3D打印設備中使用時仍能保持強度。

3. 率先注冊：該研發成果成為鋁協會注冊的第一種添加劑合金。

4. 首次進入市場：Citrine相關研究報告發表兩年后，美國宇航局作為第一個商業化的客戶。