深势·宇知
玻尔空间站
生命科学
物质科学
勒贝格智算
了解我们
EN

玄铸

人工智能与物理建模驱动的材料设计平台

玄铸是深势科技研发的新一代材料设计平台，深度结合人工智能技术与物理模拟和先进表征技术，并提供高质量多源数据库、高通量和高性能计算引擎和高便捷性的操作界面。材料研发人员可以在玄铸材料智能设计平台的帮助下深入理解材料构效关系，进而加速材料及工艺，持续提升新材料性能，推动能源电池、催化剂、聚合物、合金、陶瓷、电子产品等领域发展。

产品试用arrow
目标愿景
提升新材料研发效能
应用场景应用场景应用场景应用场景
应用场景
合金材料
聚合物材料
催化材料
光电材料
电池材料
应用场景
Preview
融合云原生高性能计算引擎与先进机器学习模型，推动新型合金材料成分设计
高通量预测弹性模量、缺陷形成能等多种合金属性
快速评估合金材料的稳定性
研发痛点
1
巨大的搜索空间
巨大的搜索空间
缺乏参照化合物
非侵权设计
Preview
实验筛选化合物的人力和资源有限
Preview
虚拟筛选缓慢、昂贵且计算效率低下
2
缺少跨尺度理解
电子结构
介观结构
环境相互作用
缺陷和杂质
界面和晶界
相转移
Preview
3
复杂数据管理
数据质量不一致
缺乏互操作性
数据源碎片化
缺少标准化
检索低效不可用
Preview
软件功能
软件功能
研发服务
研发服务
实践案例
实践案例
Preview
固态电池材料设计与改性
通过固态电解质原子仿真大模型准确预测固态电解质离子电导与稳定性，覆盖超过27种元素，辅助实验高通量筛选潜在候选固态电解质材料。
电池材料
实践案例
Preview
数字化复现高温哈伯法中催化反应的真实过程
基于深度势能分子动力学与动态概率增强采样方法，突破模拟的空间和时间尺度限制，理解高温条件下催化剂表面的真实状态，以及催化反应和催化剂毒化失活机制。
催化材料
实践案例
Preview
二代OLED分子Ir(III)配合物的高效筛选
通用分子设计及做模型Uni-Mol实现了仅依赖极少量的量子力学计算数据建立可靠的结构-性质关系，并通过随机组合Ir(III)和有机配体的方式在量子化学精度下得到了百万级的潜在有机配合物数据库，并发现了具备优良光学性质的潜在专利分子。
功能材料
合作伙伴