「Ai推理模型」进入小程序,即可预测材料性质.附使用指南
作者：微信文章10秒出结果！材料人必备的AI预测神器：
CrabNet使用指南来了。
做陶瓷需要测体积模量？研发半导体急要带隙数据？传统实验少则3天多则半月，还可能无法得到结果。通过CrabNet材料性质预测工具，只需输入化学式、点选参数，10秒就能拿到高精度预测结果！
立即体验：让Ai助力你的研发
点击进入小程序，即可使用模型。
CrabNet是一个基于Transformer架构的深度神经网络，仅通过化学分子式（如Si3N4、LiCoO2）就能预测固体材料性质。CrabNet基于28个权威数据集（包含10个Matbench核心数据集+18个扩展数据集）进行训练。经过训练的模型现已上线微信小程序，进入CrabNet小程序即可实现材料性质预测。
📝 进入小程序 CrabNet 实操全流程
（以预测 Al₂O₃体积模量为例，附真实数据精度）
Step1：找到预测入口
1. 打开公众号，进入底部菜单栏「AI 模型」→「材料预测模型」，跳转至预测页面。
2.直接微信扫一扫公众号二维码/或点击链接进入。
Step2：输入信息，一键选择
1. 填化学式：在输入框填写目标材料化学式（支持大小写，如 Al₂O₃、Si、LiCoO₂）
小贴士：复杂掺杂体系也能测！比如含13种元素的合金钢直接输成分式。
2. 选参数：从下拉菜单勾选想预测的性质（涵盖 7 大类 28 项参数，附常用选项）：
▶ 力学：体积模量、剪切模量、屈服强度
▶ 电学：实验带隙、计算带隙
▶ 热学：热导率（300K）、德拜温度
▶ 能量：形成焓、原子能量等
例：选「体积模量（VRH）」
Step3：查结果，看精度
点击「开始预测」，10秒后显示3类关键信息：
预测值：Al₂O₃ 体积模量 ≈ 235 GPa 实际值：Al₂O₃ 体积模量 ≈ 224-252 GPa
了解更多CrabNet模型机理：Ai深度学习模型，助力元素的掺杂与高通量筛选。Crabnet模型：可预测的材料性质参数
页:
[1]