Partnerskaber

DuPont indgår partnerskab med Microsoft og NobleAI om agentisk AI til forskning og udvikling

mm
Føj Unite.AI til dine foretrukne kilder på Google

DuPont annoncerede den 12. november 2026 et forskningssamarbejde med Microsoft og NobleAI, der skal give virksomhedens forskere og ingeniører bredere adgang til AI- og maskinlæringsværktøjer med det mål at reducere den tid, det tager at levere kundeløsninger.

Hver virksomhed bidrager med noget forskelligt. DuPont stiller sin ekspertise inden for avancerede løsninger og anvendelser til rådighed; NobleAI leverer videnskabsbaseret AI-modellering via sin VIP-platform med visualiseringer, indsigt og forudsigelser (Visualizations, Insights and Predictions); og Microsoft bidrager med Discovery, sin agentiske AI-platform til forskning og udvikling for virksomheder. DuPonts erklærede mål er at hjælpe teams med hurtigere at vurdere potentielle løsninger, tilrettelægge eksperimenter og fremskynde læringscyklusser.

Sådan fordeler AI-værktøjerne forskningsarbejdet

Den foreslåede arbejdsgang adskiller koordineringen af forskningen fra den videnskabelige modellering. Aseem Datar, Microsofts corporate vice president for produktinnovation inden for Microsoft Discovery & Quantum, beskrev Discovery som et agentisk miljø, der samler forsknings- og udviklingsteamenes data, modeller og knowhow med henblik på videnskabelige opdagelser. NobleAIs CEO, Alex Wang, beskrev softwarens arbejdsdeling sådan, at Discovery står for planlægning og koordinering af forskningen, mens VIP bruges til prædiktiv modellering og optimeringsmodellering.

Wang beskrev en arbejdsgang, hvor DuPonts teams ville bruge deres eksisterende data, ekspertise og processer til at undersøge flere idéer in silico, det vil sige gennem computersimulering, før de koncentrerer de fysiske tests om de kandidater, der er mest værd at gå videre med. Denne rækkefølge bringer AI tidligere ind i udvælgelsen af kandidater: Modeller hjælper med at indsnævre mulighederne, mens fysiske tests fortsat er en del af udviklingen og ikke erstattes af simulering.

NobleAIs modelleringsmetode er udviklet til situationer, hvor der er begrænsede mængder industrielle data. I meddelelsen beskrives Science-Based AI som en tilgang, der integrerer videnskabelige principper i hele modelleringsarbejdsgangen, VIP som et værktøj, der omdanner begrænsede industrielle data til prædiktive modeller, og NobleAI som en af Microsoft Discoverys første lanceringspartnere. Samarbejdet bringer denne modelleringsmetode ind i agentiske arbejdsgange inden for industriel forskning og udvikling.

Styring og udvidelse ud over de enkelte laboratorier

DuPont kobler det tekniske arbejde til en AI-udrulningsmodel, der omfatter hele virksomheden. Informationsdirektør Matt Abbott sagde: »Dette samarbejde afspejler, hvordan vi skalerer AI hos DuPont, med sikkerhed og styring indarbejdet fra begyndelsen, så det, der viser sig at fungere i ét laboratorium, kan tages i brug i hele virksomheden.«

Denne tilgang betragter et vellykket laboratorieresultat som en mulighed for bredere anvendelse, hvor sikkerhed og styring indgår som en del af implementeringen. Teknologidirektør Marty DeGroot sagde, at værktøjerne tilsammen forventes at fremskynde udviklingen, forkorte tiden til markedet og øge innovationens gennemslagskraft på tværs af DuPonts portefølje. DuPont betjener markederne for sundhedspleje, vand, byggeri og industri, hvilket giver ambitionen om at nå ud til hele porteføljen et bredt potentielt anvendelsesområde.

Den praktiske prøve bliver, om denne kombination kan forkorte udviklingscyklusserne og samtidig skabe resultater, der også holder uden for det oprindelige laboratorium. Hvis det lykkes, vil den styringsmodel, Abbott beskrev, kunne bane vejen for at gøre en vellykket lokal arbejdsgang til en bredere forsknings- og udviklingskapacitet på tværs af DuPonts portefølje.

Atlas Roan er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker kunstig intelligens i additiv produktion, 3D-printning og avanceret materialeteknik. Hans arbejde undersøger, hvordan AI-drevet design, simulation og procesoptimering forvandler produktionsflow - fra prototyper til storstilede produktioner.
Med et praktisk og teknisk funderet perspektiv undersøger Atlas, hvordan maskinel læring forbedrer printpålidelighed, materialepræstation og produktionseffektivitet på tværs af brancher som luft- og rumfart, bilindustri, sundhedsvæsen og industriproduktion. Han er særligt interesseret i, hvordan AI muliggør hurtigere iteration, reducerer spild og låser op for nye materialeegenskaber, der tidligere var urealistiske eller umulige at producere.
Artikler skrevet af Atlas Roan er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre teknisk nøjagtighed, klarhed og ansvarlig dækning af AI-drevet produktion og materialeinnovation.