पोलेरॉन ने सामग्री विज्ञान के लिए एक बुद्धिमत्ता परत बनाने के लिए $8 मिलियन जुटाए

पोलेरॉन ने $8 मिलियन की नई फंडिंग हासिल की है क्योंकि यह उन्नत सामग्रियों को समझने, डिज़ाइन करने और निर्माण करने के तरीके को पुनर्परिभाषित करने का काम कर रहा है। लंदन स्थित स्टार्टअप एक सामग्री विज्ञान के लिए बुद्धिमत्ता परत बना रहा है – सामग्री के निर्माण के तरीके से यह निर्धारित करने के लिए प्रौद्योगिकी कि वे अंततः कैसे प्रदर्शन करते हैं।

फंडिंग राउंड रेसिन² द्वाराนำ किया गया था, जो एक प्रभाव-केंद्रित फंड है जो सेरेना और मेकसेंस द्वारा समर्थित है, जिसमें स्पीडइन्वेस्ट, फ्यूचरप्रेजेंट, और औद्योगिक एआई पारिस्थितिकी तंत्र से एक परी के निवेशकों का एक समूह शामिल है। पोलेरॉन अपनी इंजीनियरिंग टीम का विस्तार करने, अपने जेनरेटिव डिज़ाइन टूल्स की तैनाती को तेज करने और ऑटोमोटिव, ऊर्जा और अन्य भारी उद्योगों में ग्राहकों से बढ़ती मांग का समर्थन करने के लिए पूंजी का उपयोग करने की योजना बना रहा है।

सामग्री डेटा को समझ में बदलना

एक सदी से अधिक समय से, निर्माण ने प्रक्रियाओं को स्वचालित करने पर ध्यान केंद्रित किया है – बड़े पैमाने पर सामग्रियों को रोलिंग, कास्टिंग, कोटिंग और आकार देना। लेकिन सामग्रियों को समझना मुख्य रूप से मैनुअल रहा है। इंजीनियर अक्सर विच्छिन्न टूल्स, कस्टम स्क्रिप्ट और माइक्रोस्कोपी छवियों की विषयगत व्याख्या पर निर्भर रहते हैं ताकि यह निर्धारित किया जा सके कि प्रसंस्करण विकल्प कैसे ताकत, टिकाऊपन या दक्षता को प्रभावित करते हैं।

इस समस्या के केंद्र में सामग्री विज्ञान का एक मूलभूत सिद्धांत है: प्रसंस्करण संरचना निर्धारित करता है, और संरचना प्रदर्शन निर्धारित करती है। सामग्री के अंदर दाने, छिद्र, चरण और दोषों का सूक्ष्म विन्यास यह निर्धारित करता है कि यह वास्तविक दुनिया में कैसे व्यवहार करता है। ये संरचनाएं सैद्धांतिक नहीं हैं – वे माइक्रोस्कोप के नीचे दिखाई देती हैं – लेकिन उनसे सुसंगत, कार्रवाई योग्य अंतर्दृष्टि निकालना ऐतिहासिक रूप से धीमा और श्रमसाध्य रहा है।

पोलेरॉन का प्लेटफ़ॉर्म इसे बदलने के लिए डिज़ाइन किया गया है ताकि मशीनों को सूक्ष्म संरचना को पढ़ने और व्याख्या करने के लिए सिखाया जा सके।

चरित्र से अंतर्दृष्टि तक

पोलेरॉन बड़े पैमाने पर वास्तविक माइक्रोस्कोपी छवियों के साथ जोड़े गए मापदंड सामग्री गुणों पर एआई मॉडल को प्रशिक्षित करता है। इससे इसकी प्रणाली को स्वचालित रूप से सामग्रियों की विशेषता करने की अनुमति मिलती है, जो पहले हज़ारों घंटे के विशेषज्ञ मैनुअल विश्लेषण की आवश्यकता थी। जो कार्य पहले सप्ताह में पूरे हो सकते थे, वे अब मिनटों में पूरे हो सकते हैं, इंजीनियरों को विभिन्न प्रसंस्करण स्थितियों के लिए सामग्रियों की प्रतिक्रिया पर त्वरित प्रतिक्रिया प्रदान करते हैं।

अधिक महत्वपूर्ण बात यह है कि प्रणाली भविष्यवाणियों के बजाय स्पष्टीकरण प्रदान करती है। माइक्रोस्ट्रक्चरल विशेषताओं को प्रदर्शन परिणामों से जोड़कर, इंजीनियर यह समझ सकते हैं कि क्यों एक सामग्री एक निश्चित तरीके से व्यवहार करती है, केवल अनुभवजन्य परीक्षण पर निर्भर नहीं करती है। प्लेटफ़ॉर्म दो-आयामी छवियों से तीन-आयामी संरचनाओं का पुनर्निर्माण कर सकता है और पारंपरिक विधियों के साथ आसानी से छूटी जाने वाली जटिल या सूक्ष्म विशेषताओं का तेजी से पता लगा सकता है।

यह विवरणात्मक विश्लेषण से कारण संबंधी समझ में बदलाव है जो पोलेरॉन का मानना ​​है कि सामग्री नवाचार के अगले चरण को अनलॉक करता है।

निर्माण योग्य सामग्रियों के लिए जेनरेटिव डिज़ाइन

विश्लेषण से परे, पोलेरॉन जेनरेटिव डिज़ाइन में आगे बढ़ रहा है। प्रक्रिया, संरचना और प्रदर्शन के बीच सीखे गए संबंधों का उपयोग करके, इसका प्लेटफ़ॉर्म विशाल डिज़ाइन स्थान का अन्वेषण कर सकता है और निर्माण योग्य सामग्री कॉन्फ़िगरेशन के साथ-साथ उन्हें उत्पादित करने के लिए आवश्यक प्रसंस्करण स्थितियों का सुझाव दे सकता है।

प्रयोगशाला में अंधाधुंध प्रयोग करने के बजाय, इंजीनियर प्रणाली का उपयोग करके आगे के डिज़ाइन की पहचान कर सकते हैं – जो प्रदर्शन लक्ष्यों को पूरा करते हुए औद्योगिक पैमाने पर निर्माण योग्य रहते हैं। यह दृष्टिकोण सामग्री नवाचार में एक सामान्य अंतर को पुल करता है, जहां नियंत्रित अनुसंधान वातावरण में काम करने वाले विचार वास्तविक दुनिया के उत्पादन प्रतिबंधों के संपर्क में आने पर विफल हो जाते हैं।

प्लेटफ़ॉर्म धातुओं, सिरेमिक, पॉलिमर और कम्पोजिट्स सहित विभिन्न प्रकार की सामग्रियों पर काम करने के लिए डिज़ाइन किया गया है, जो इसे कई औद्योगिक क्षेत्रों में लागू करने योग्य बनाता है।

उच्च प्रभाव उद्योगों में प्रारंभिक परिणाम

पोलेरॉन की प्रौद्योगिकी पहले से ही वैश्विक निर्माण नेताओं के इंजीनियरों द्वारा उपयोग की जा रही है, जिनमें विश्वभर में ईवी उत्पादन के एक महत्वपूर्ण हिस्से के लिए जिम्मेदार इलेक्ट्रिक वाहन निर्माता शामिल हैं। एक बैटरी विकास परियोजना में, प्लेटफ़ॉर्म ने 10 प्रतिशत से अधिक की ऊर्जा घनत्व सुधार के साथ नए इलेक्ट्रोड सामग्री के डिज़ाइन का समर्थन किया।

बैटरी जैसे क्षेत्रों में, जहां छोटे लाभ सीधे लंबी दूरी, बेहतर प्रदर्शन या कम लागत में अनुवाद करते हैं, ऐसे सुधार असमान प्रभाव डाल सकते हैं। इन शुरुआती तैनाती से सुझाव मिलता है कि पोलेरॉन के टूल्स न केवल शैक्षणिक रूप से दिलचस्प हैं, बल्कि व्यावसायिक रूप से प्रासंगिक भी हैं।

शैक्षणिक अनुसंधान में जड़ें

कंपनी इंपीरियल कॉलेज लंदन से निकली है, जहां उसने कृत्रिम बुद्धिमत्ता और सामग्री विज्ञान के बीच सात साल के शोध के बाद स्थापित किया था। पोलेरॉन की स्थापना सीईओ आइज़ैक स्क्वायर्स, सीटीओ स्टीव केन्च और मुख्य वैज्ञानिक सैम कूपर ने की थी, जो कटिंग-एज रिसर्च को उन टूल्स में अनुवादित करने के लिए निकले थे जो अभ्यास करने वाले इंजीनियरों द्वारा उपयोग किए जा सकते थे।

यह शैक्षणिक आधार कंपनी के दृष्टिकोण में केंद्रीय बना हुआ है, लेकिन ध्यान सख्ती से औद्योगिक अनुप्रयोग पर है – सामग्री नवाचार को धीमी, परीक्षण और त्रुटि के चक्र से बाहर निकालकर डेटा-संचालित डिज़ाइन कार्य प्रवाह में ले जाना।

सामग्री इंजीनियरिंग और निर्माण के लिए निहितार्थ

सामग्री माइक्रोस्ट्रक्चर पर सीधे मशीन लर्निंग लागू करने वाली प्रौद्योगिकियां भौतिक उत्पादों के विकास में एक व्यापक बदलाव की ओर संकेत करती हैं। यदि प्रक्रिया-संरचना-प्रदर्शन संबंधों को विश्वसनीय रूप से मॉडल किया जा सकता है, तो सामग्री इंजीनियरिंग अन्य डेटा-संचालित अनुशासनों की तरह हो सकती है, जहां पुनरावृत्ति डिजिटल रूप से कारखाने के फर्श पर होने से पहले होती है।

अभ्यास में, यह बैटरी, संरचनात्मक घटकों और उन्नत कम्पोजिट्स के विकास के लिए समयसीमा को छोटा कर सकता है, जबकि महंगे भौतिक परीक्षण और त्रुटि पर निर्भरता को कम कर सकता है। यह निर्माण परिणामों को अधिक सुसंगत बनाने में भी सक्षम हो सकता है, क्योंकि प्रक्रिया निर्णय संचित अंतर्ज्ञान के बजाय सांख्यिकीय अंतर्दृष्टि से सूचित होते हैं।

समय के साथ, इस तरह के दृष्टिकोण से सामग्री टीमों के संगठन, निर्माण ज्ञान कैसे बनाए रखा जाता है, और नए सामग्री शोध वातावरण से उत्पादन में कितनी तेजी से चलती हैं, प्रभावित किया जा सकता है। डेटासेट के बढ़ने और मॉडल के सुधारने के साथ, सूक्ष्म संरचना को मैक्रोस्कोपिक प्रदर्शन से जोड़ने की क्षमता उन्नत सामग्रियों पर निर्भर उद्योगों में एक मूलभूत क्षमता बन सकती है।