Materials AI
SciPhys verbindet Instrumentdateien mit physikalischen Merkmalen, Strukturen, Literatur und Expertenkorrekturen – damit Antworten aus Evidenz statt nur aus Sprache entstehen.
Rohdateien und Metadaten bilden den Ausgangspunkt.
Domänenalgorithmen extrahieren überprüfbare Merkmale.
Expertenprüfung verbessert künftige Analysen.
Funktionen
Die zentrale Frage ist nicht, ob ein Modell wissenschaftlich schreiben kann, sondern ob es den Zustand des Experiments kennt und seine Aussage am Datensatz belegen kann.
Forschende können KI-Ergebnisse bestätigen, korrigieren oder als unzureichend markieren. Dieses strukturierte Feedback ist für Benchmarking und Modellverbesserung wertvoller als unkommentierte Rohdaten.
Wiederholte Messungen, multimodale Daten und akzeptierte Entscheidungen ermöglichen Trendanalysen und Vorschläge für den nächsten Versuch.
Arbeitsablauf
Reale Instrumentdaten und experimentellen Kontext erfassen.
Physikalische Merkmale und Referenzevidenz berechnen.
Expertenfeedback in reproduzierbare, versionierte Entscheidungen überführen.
Häufige Fragen
Materials AI arbeitet mit strukturierten Experimentobjekten, domänenspezifischen Algorithmen und Referenzevidenz statt nur mit Text im Prompt.
Nicht automatisch. Private Daten und Expertenfeedback bleiben privat, solange keine ausdrückliche Freigabe vorgesehen ist.
Der Schwerpunkt liegt derzeit auf XRD sowie Workflows für Raman, SEM, AFM, STM und Batteriedaten. Die Abdeckung wird schrittweise erweitert.