ИИ-фреймворк Пекинского университета ускорил анализ тепловых свойств материалов

Команда Пекинского университета под руководством Сун Бэя разработала фреймворк Vibe-FDTR, который автоматизирует анализ данных FDTR и проектирование экспериментов с помощью ИИ

Фреймворк Vibe-FDTR автоматизирует анализ данных FDTR — метода, где лазером нагревают образец и по отражённому сигналу определяют теплопроводность, теплоёмкость и другие тепловые свойства. Эти данные критически важны для электроники, авиации, ядерной энергетики и других отраслей. Исследователю достаточно описать задачу на естественном языке: ИИ сам обработает данные, оценит чувствительность измерений, подберёт параметры, проанализирует неопределённости и предложит план эксперимента.

Система состоит из двух частей: кода для расчётов по методу FDTR и инструкций для ИИ в виде последовательных шагов. Также есть «экспертный слой» — он помогает решать нестандартные задачи, например подбирать условия для измерений или искать причины ошибок.

Учёные проверили Vibe-FDTR на 16 задачах: 7 с синтетическими данными и 9 с реальными измерениями (золото и графит). В простых задачах точность составила 100%, в сложных — 98,9%. Время выполнения сократилось на 65–69%, а затраты — на 87,7% по сравнению с существующими методами. Для сравнения: без «инструкций для ИИ» (Agent Skills) успех падал до 91,4% и 36,7%, а без них и без расчётного кода — до 38,6% и 0%.

Авторы считают, что подход можно распространить на другие методы измерения тепловых свойств, например TDTR и TTG. Код Vibe-FDTR уже открыт на Github.

Источник: Пекинский университет