Gains :
- Capacité à utiliser l'intelligence artificielle comme guide de prédiction préliminaire et de méthode de prédiction (contribution de groupe) pour les propriétés thermophysiques et demander n'importe quelle valeur.
- Capacité à capturer les hallucinations en vérifiant chaque caractéristique critique avec une base de données fiable (DIPPR/NIST) ou une expérience
- Capacité à comprendre que la sélection des matériaux est une décision critique pour la sécurité qui nécessite des données sur la corrosion et une approbation autorisée.
Chaque calcul de processus se résume en fin de compte à un nombre : la densité, la viscosité, la capacité thermique, la pression de vapeur, le point d'ébullition d'un fluide ; une résolution ; résistance d'un matériau à la corrosion. Celles-ci sont collectivement appelées propriétés thermophysiques - grandeurs physiques qui déterminent la chaleur, le flux et le comportement des phases d'une substance. Une colonne de distillation, un échangeur de chaleur ou une pompe ne sont conçus correctement que si ces caractéristiques sont correctes. Dans cette unité, vous apprendrez à utiliser l'intelligence artificielle comme outil de prédiction et de comparaison préliminaire dans la prédiction des propriétés et la sélection des matériaux (sélection de métaux, joints, revêtements pour résister aux conditions de processus) ; mais nous apprendrons pourquoi ces valeurs doivent être vérifiées avec une base de données ou une expérience fiable.
La vérité essentielle est la suivante : l’estimation des caractéristiques est la base numérique de la conception ; Une erreur ici se propage à l’ensemble du compte. L'IA peut donner en toute confiance une pression de vapeur ou une viscosité, mais cette valeur peut concerner un autre composé, peut être à la mauvaise température ou peut être entièrement hallucinatoire. D'où la règle d'or des données sur les fonctionnalités : chaque fonctionnalité critique doit être basée sur une source fiable (DIPPR, NIST, fiche technique du fabricant) ou une expérience.
Prise en charge étape par étape de l'IA pour la prédiction des fonctionnalités
1. De quelle fonctionnalité avez-vous besoin, dans quelles conditions ? La température, la pression, la phase et la concentration modifient la propriété. La valeur prise sans donner la condition à l'IA est trompeuse.
2. Choix de la méthode d'estimation. S'il n'y a pas de données expérimentales, l'IA rappelle des approches de prédiction telles que les méthodes de contribution de groupe – des méthodes qui prédisent les propriétés en divisant la molécule en parties et en ajoutant les contributions de chaque partie ; par ex. Joback, UNIFAC – et explique lequel est approprié.
3. Valeur préliminaire et incertitude. L'IA peut donner une valeur préliminaire, mais certainement dans le cadre de " ceci est une prédiction, son incertitude est élevée, vérifiez-la ". Interrogez également l'IA sur la marge d'erreur typique de la valeur.
4. Comparaison avec la source. Comparez la valeur de l'IA à une base de données thermodynamique ou à une fiche de fabricant. Si l'écart est important, la valeur n'est pas utilisée.
5. Examen préliminaire de compatibilité des matériaux. YZ rappelle les risques connus de corrosion/incompatibilité pour un couple fluide-matériau (ex : corrosion par piqûre de l'acier inoxydable dans un environnement contenant des chlorures). Ceci est un avertissement ; La sélection finale est effectuée par des tableaux de compatibilité et une évaluation par des experts.
6. Filtre du caractère raisonnable. La valeur a-t-elle un sens en termes de classement ? Pour l'eau, la densité est-elle d'environ ~1000 kg/m³ ? Une simple vérification des commandes détecte la plupart des erreurs.
Astuce : lorsque vous demandez à l'IA une valeur de caractéristique, dites « précisez la source et la méthode d'estimation, dites-moi si elle est expérimentale ou estimée ». Si l’IA ne peut pas citer une source, marquez cette valeur comme une supposition et vérifiez-la indépendamment.
Sélection des matériaux : sécurité et durabilité
Le choix des matériaux est une décision à la fois économique et critique pour la sécurité. Un mauvais matériau peut s'affaiblir sous l'effet de la corrosion, provoquant l'éclatement d'un récipient sous pression ou la fuite d'un fluide toxique. L'IA peut rappeler une liste de matières premières et des incompatibilités connues ; Mais les effets combinés de la température, de la pression, de la concentration et des impuretés sont complexes et la sélection finale est effectuée sur la base de données d'ingénierie des matériaux (tableaux de compatibilité, données de taux de corrosion) et d'essais si nécessaire.
Attention : l'IA disant "ce matériau est adapté à ce fluide" n'est pas une garantie. Dans le cas d'équipements sous pression et de fluides toxiques/inflammables, la sélection des matériaux nécessite l'approbation d'un ingénieur qualifié et des données de corrosion vérifiées.
trois mini-cases
Cas 1 — Prédiction rapide. Un ingénieur souhaitait une estimation préliminaire de la capacité thermique d'un nouveau mélange de solvants pour lequel les données étaient rares dans la littérature. L’IA a donné une fourchette via une méthode de contribution groupée. L'ingénieur a fait un calcul approximatif de l'énergie avec cette valeur préliminaire, puis l'a fait mesurer en laboratoire ; la mesure était à moins de 6 % de la prédiction. La prévision a accéléré la planification, mais la conception est passée à la valeur expérimentale.
Cas 2 – Hallucination détectée. YZ a donné le point d’ébullition normal d’un composé à 78°C. Lorsque l’ingénieur l’a comparé avec le NIST, il a constaté que la valeur réelle était de 118°C ; L’IA avait confondu le nom avec un autre composé similaire. La comparaison avec une source a empêché qu'une erreur de 40 °C n'entre dans la conception de la colonne.
Cas 3 — Avertissement concernant le matériel. YZ a signalé le choix de l'acier inoxydable 304 pour un flux aqueux contenant des ions chlorure comme « risque de piqûres et de fissuration par corrosion sous contrainte » et a cité un alliage plus résistant. L'ingénieur en matériaux a confirmé les données de compatibilité et a sélectionné un matériau en alliage supérieur. L’IA a mis le risque à l’ordre du jour, la décision a été prise avec des données.
Quatre modèles copiables
1) Prédiction des fonctionnalités (source requise) :
Votre rôle : expert physique. Composé : [nom/formule], condition : [T, P, phase]. Fonctionnalité que je souhaite : [par ex. pression de vapeur]. Donner : (1) la valeur expérimentale et la SOURCE (DIPPR/NIST/fabricant), si disponible, (2) sinon, la méthode d'estimation et la valeur estimée et la marge d'incertitude. Indiquez clairement s’il s’agit d’un projet expérimental ou prédictif. Si vous ne pouvez pas citer une source, marquez-la comme « prédiction qui doit être vérifiée ». Ne fabriquez pas la valeur ; Si vous n'êtes pas sûr, dites-le-moi.
2) Guide de la méthode de contribution du groupe :
J'ai un composé pour lequel il n'y a pas de données expérimentales : [structure/SMILES]. Quel mode de contribution collective (Joback, UNIFAC, etc.) est adapté à [bien], et pourquoi ? Expliquer les étapes de la méthode et les paramètres de groupe requis. Indiquez que le résultat est une estimation et la marge d’erreur typique. Je vérifierai la valeur finale avec expérience/base de données.
3) Comparaison/vérification des valeurs :
Vous trouverez ci-dessous les valeurs provenant de différentes sources pour une fonctionnalité. Comparez-les dans un tableau, calculez l'écart et classez celui qui est le plus fiable (empirique > évalué > prédit). S'il y a un écart important, marquez la cause possible (condition différente, isomère différent). Sources : [coller]
4) Examen préliminaire de compatibilité des matériaux :
Fluide : [composition, concentration, impuretés], état : [T, P].Matériaux candidats : [liste]. Rappeler les risques connus de corrosion/incompatibilité (piqûres, fissurations sous contrainte, corrosion générale) pour chacun. Il s'agit d'une analyse PRÉLIMINAIRE ; La sélection finale nécessite des données sur la corrosion et l’approbation d’un ingénieur agréé. Marquez clairement les paires risquées.
Invite faible/Invite forte
Invite faible :
Quelle est la viscosité du toluène ?
Pas de chaleur, pas de soudure. L’IA donne un chiffre, mais on ne sait pas clairement dans quelles conditions et dans quelle mesure il est fiable.
Invite puissante :
Votre rôle : expert physique. Viscosité dynamique du toluène en phase liquide, 25°C, 1 atm. Donnez : la valeur, l'unité, la SOURCE et l'estimation expérimentale. Si possible, indiquez deux sources indépendantes et indiquez la cohérence. Si vous ne pouvez pas citer la source, marquez-la comme une supposition. Valeur adaptée. Je vérifierai le résultat avec une base de données thermodynamique.
La différence est claire : la condition, le mandat de la ressource et le cadre de validation rendent la valeur disponible.
Répartition des rôles dans la décision relative aux fonctionnalités et aux matériaux
entreprise
Rôle de l'IA
Décision/source humaine
Fonctionnalité expérimentale
rappel de la source
Confirmation de la base de données
Aucune donnée, devinez
Méthode + valeur par défaut
Validation des expériences/bases de données
Comparaison des valeurs
Tableau, écart
jugement de fiabilité
Candidats matériels
rappel des risques
Données de conformité, approbation
Contrôle de classement
marquage
caractère raisonnable physique
Erreurs courantes
- Utiliser une valeur non sourcée. Chaque fonctionnalité critique donnée par l'IA est confirmée par la base de données/expérience.
- Sans préciser la condition. La valeur prise sans spécifier la température/pression/phase peut appartenir à une mauvaise condition.
- Confondre la valeur estimée avec une valeur empirique. Les estimations de la contribution du groupe sont incertaines ; Tenez-en compte dans la conception.
- Faire la sélection des matériaux avec une confirmation en une phrase. La corrosion est multivariée ; données et confirmation requises.
- Contourner la vérification du classement. Un simple « ce chiffre a-t-il un sens ? » le contrôle détecte la plupart des hallucinations.
En résumé
IA dans la prédiction des propriétés et des matériaux ; C'est un assistant puissant qui génère des valeurs préliminaires, rappelle la méthode d'estimation, compare les valeurs des ressources et signale les risques matériels. Mais chaque fonctionnalité critique doit être basée sur une base de données ou une expérience fiable ; La sélection des matériaux est une décision critique pour la sécurité qui nécessite des données sur la corrosion et l'approbation d'un ingénieur agréé. L'IA fournit des prédictions et des avertissements ; L'ingénieur se connecte à la source, vérifie et sélectionne.
Tâche de candidature
Sélectionnez un composé et une propriété (par exemple, pression de vapeur d'un solvant, 40°C). Obtenez la valeur et sa source auprès de l'IA avec le modèle « Prédiction d'attribut (ressource requise) » ; comparez-le ensuite à une base de données thermodynamique et notez l’écart. Utilisez ensuite le modèle « vérification préliminaire de compatibilité des matériaux » pour un couple fluide-matériau et confirmez les risques qui en résultent avec un tableau de compatibilité.
liste de contrôle
- Je voulais la fonctionnalité [ ] ainsi que la condition (T, P, phase).
- [ ] J'ai comparé la valeur donnée par l'IA avec une base de données/expérience fiable.
- [ ] J'ai distingué les valeurs estimées des valeurs expérimentales et j'ai noté l'incertitude.
- [ ] J'ai vérifié la sélection des matériaux avec les données de corrosion et l'approbation autorisée.
- [ ] J'ai appliqué une vérification de rang/plausibilité à chaque nombre critique.