Nyereség:
- Képes a mesterséges intelligencia előzetes előrejelzési és predikciós módszerként (csoportos hozzájárulás) történő felhasználására a termofizikai tulajdonságokhoz, és bármilyen értéket kérni.
- Képes hallucinációk rögzítésére minden kritikus jellemző megbízható adatbázissal (DIPPR/NIST) vagy kísérlettel történő ellenőrzésével
- Képes megérteni, hogy az anyagválasztás biztonságkritikus döntés, amelyhez korróziós adatokra és engedélyezett jóváhagyásra van szükség.
Minden folyamatszámítás végső soron egy számra esik: a folyadék sűrűsége, viszkozitása, hőkapacitása, gőznyomása, forráspontja; állásfoglalást; egy anyag korrózióállósága. Ezeket összefoglalóan termofizikai tulajdonságoknak nevezzük – olyan fizikai mennyiségeknek, amelyek meghatározzák az anyag hőjét, áramlását és fázisviselkedését. Egy desztillációs oszlop, egy hőcserélő vagy egy szivattyú csak akkor van megfelelően megtervezve, ha ezek a jellemzők megfelelőek. Ebben az egységben megtanulja, hogyan használhatja a mesterséges intelligenciát előzetes előrejelző és összehasonlító eszközként a tulajdonságok előrejelzésében és az anyagválasztásban (fémek, tömítések, bevonatok kiválasztása, hogy ellenálljon a folyamat körülményeinek); de megtudjuk, miért kell ezeket az értékeket megbízható adatbázissal vagy kísérlettel ellenőrizni.
A kritikus igazság a következő: a jellemzőbecslés a tervezés numerikus alapja; Egy hiba az egész fiókra kiterjed. A mesterséges intelligencia magabiztosan megadhat gőznyomást vagy viszkozitást, de ez az érték egy másik vegyületre vonatkozik, lehet, hogy nem megfelelő hőmérsékletű, vagy teljesen hallucináló. Tehát a jellemzőadatok aranyszabálya: minden kritikus jellemzőnek megbízható forráson (DIPPR, NIST, gyártói adatlap) vagy kísérleten kell alapulnia.
Lépésről lépésre AI támogatás a funkciók előrejelzéséhez
1. Milyen funkcióra van szüksége, milyen feltételek mellett? A hőmérséklet, nyomás, fázis és koncentráció megváltoztatja a tulajdonságot. A mesterséges intelligencia feltételének megadása nélkül vett érték félrevezető.
2. A becslési módszer kiválasztása. Ha nincsenek kísérleti adatok, a mesterséges intelligencia felidézi az előrejelzési megközelítéseket, például a csoport-hozzájárulási módszereket – olyan módszereket, amelyek a molekula részekre bontásával és az egyes részek hozzájárulásának összeadásával jósolják meg a tulajdonságokat; például Joback, UNIFAC – és elmagyarázza, melyik a megfelelő.
3. Előzetes érték és bizonytalanság. A mesterséges intelligencia tud előzetes értéket adni, de mindenképpen az "ez jóslat, nagy a bizonytalansága, ellenőrizd" keretein belül. Kérdezze meg az AI-t is az érték tipikus hibahatáráról.
4. Összehasonlítás a forrással. Hasonlítsa össze az AI értékét egy termodinamikai adatbázissal vagy gyártói adatlappal. Ha az eltérés nagy, az érték nem kerül felhasználásra.
5. Anyagkompatibilitási előzetes szűrés. Az YZ emlékeztet a folyadék-anyag pár ismert korróziós/összeférhetetlenségi kockázatára (pl. rozsdamentes acél pontkorróziója kloridtartalmú környezetben). Ez egy előre figyelmeztetés; A végső kiválasztás kompatibilitási táblázatok és szakértői értékelés alapján történik.
6. Ésszerűségi szűrő. Van értelme az értéknek a rang szempontjából? Víz esetében a sűrűség ~1000 kg/m³ körül van? Az egyszerű rendelés-ellenőrzés a legtöbb hibát észleli.
Tipp: Amikor az MI-től kér egy jellemző értékét, mondja azt, hogy „adja meg a forrást és a becslési módszert, mondja meg, hogy kísérleti vagy becsült”. Ha a mesterséges intelligencia nem tud forrást idézni, jelölje meg azt az értéket feltételezésként, és ellenőrizze függetlenül.
Anyagválasztás: biztonság és tartósság
Az anyagválasztás gazdaságossági és biztonságkritikus döntés. A nem megfelelő anyag a korrózió következtében gyengülhet, ami egy nyomástartó edény szétrepedését vagy mérgező folyadék szivárgását okozhatja. Az AI képes előhívni a kiindulási anyagok listáját és az ismert összeférhetetlenségeket; De a hőmérséklet, a nyomás, a koncentráció és a szennyeződések együttes hatásai összetettek, és a végső kiválasztást az anyagtechnikai adatok (kompatibilitási táblázatok, korróziós sebességi adatok) és szükség esetén a vizsgálatok alapján kell meghozni.
Figyelem: A mesterséges intelligencia, ha „ez az anyag alkalmas ehhez a folyadékhoz”, nem garancia. Nyomás alatt álló berendezések és mérgező/gyúlékony folyadékok esetén az anyagválasztáshoz szakképzett mérnök jóváhagyása és ellenőrzött korróziós adatok szükségesek.
három mini tok
1. eset – Gyors előrejelzés. Egy mérnök egy új oldószerkeverék hőkapacitásának előzetes becslését kívánta, amelyre vonatkozóan az irodalomban kevés adat áll rendelkezésre. Az AI csoportos hozzájárulási módszerrel tartományt adott. A mérnök ezzel az előzetes értékkel durva energiaszámítást végzett, majd laboratóriumban megmérte; a mérés az előrejelzés 6%-án belül volt. Az előrejelzés felgyorsította a tervezést, de a tervezés a kísérleti érték felé tolódott el.
2. eset – Elkapott hallucináció. YZ a vegyület normál forráspontja 78 °C. Amikor a mérnök összehasonlította a NIST-tel, azt találta, hogy a tényleges érték 118 °C; Az AI összekeverte a nevet egy másik hasonló vegyülettel. A forrással való összehasonlítás megakadályozta, hogy 40°C-os hiba kerüljön be az oszloptervbe.
3. eset – Anyagfigyelmeztetés. Az YZ a 304-es rozsdamentes acél kiválasztását kloridion-tartalmú vizes áramhoz a "pontosodás és feszültségkorróziós repedés veszélyeként" jelölte meg, és egy ellenállóbb ötvözetre hivatkozott. Az anyagmérnök megerősítette a kompatibilitási adatokat, és magasabb ötvözetű anyagot választott. A mesterséges intelligencia napirendre tűzte a kockázatot, adatokkal született meg a döntés.
Négy másolható sablon
1) Jellemző előrejelzés (forrás szükséges):
Az Ön szerepe: fizikum szakértő. Összetétel: [név/képlet], feltétel: [T, P, fázis]. A kívánt funkció: [pl. gőznyomás]. Adja meg: (1) kísérleti értéket és FORRÁST (DIPPR/NIST/gyártó), ha van, (2) ha nem, becslési módszert és becsült értéket és bizonytalansági határt. Világosan jelezze, hogy ez kísérleti vagy prediktív. Ha nem tud forrást hivatkozni, jelölje meg "ellenőrzésre szoruló előrejelzés"-ként. Ne gyártsa le az értéket; Ha nem vagy biztos benne, szólj.
2) Csoportos hozzájárulás módszerének útmutatója:
Van egy vegyületem, amelyre nincs kísérleti adat: [struktúra/MOSOLYOK]. Melyik csoportos hozzájárulási mód (Joback, UNIFAC stb.) alkalmas [tulajdon] számára, és miért? Ismertesse a módszer lépéseit és a szükséges csoportparamétereket! Mondja el, hogy az eredmény becslés és a tipikus hibahatár. A végső értéket kísérlettel/adatbázissal fogom ellenőrizni.
3) Érték-összehasonlítás/ellenőrzés:
Az alábbiakban különböző forrásokból származó értékek láthatók egy funkcióhoz. Hasonlítsa össze őket egy táblázatban, számítsa ki az eltérést, és rangsorolja, hogy melyik a megbízhatóbb (empirikus > értékelt > előrejelzett). Ha nagy az eltérés, jelölje meg a lehetséges okot (más állapot, más izomer). Források: [paste]
4) Anyagkompatibilitási előzetes szűrés:
Folyadék: [összetétel, koncentráció, szennyeződések], állapot: [T, P]. Jelölt anyagok: [lista]. Emlékezzen az ismert korróziós/összeférhetetlenségi kockázatokra (pitting, feszültségrepedés, általános korrózió) mindegyiknél. Ez egy ELŐZETES vizsgálat; A végső kiválasztáshoz korróziós adatokra és felhatalmazott mérnök jóváhagyására van szükség. Világosan jelölje meg a kockázatos párokat.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Mekkora a toluol viszkozitása?
Nincs meleg, nincs hegesztés. Az AI megad egy számot, de nem világos, hogy milyen feltételek mellett és mennyire megbízható.
Erőteljes felszólítás:
Az Ön szerepe: fizikum szakértő. A toluol dinamikus viszkozitása folyékony fázisban, 25°C, 1 atm. Adja meg: értéket, mértékegységet, FORRÁST és kísérleti becslést. Ha lehetséges, adjon meg két független forrást és állítsa be a konzisztenciát. Ha nem tudja megjelölni a forrást, jelölje meg feltételezésként. Értékillesztés. Az eredményt termodinamikai adatbázissal fogom ellenőrizni.
A különbség egyértelmű: a feltétel, az erőforrás-mandátum és az érvényesítési keretrendszer teszi elérhetővé az értéket.
Szerepmegoszlás a tulajdonság- és anyagdöntésben
üzlet
Az AI szerepe
Emberi döntés/forrás
Kísérleti funkció
forrás emlékeztető
Adatbázis megerősítése
Nincs adat, gondolom
Módszer + alapértelmezett
Kísérlet/adatbázis érvényesítése
Érték összehasonlítás
Táblázat, eltérés
megbízhatósági ítélet
Anyagjelöltek
kockázati emlékeztető
Megfelelőségi adatok, jóváhagyás
Rangsorszabályozás
jelölés
fizikai ésszerűség
Gyakori hibák
- Forrás nélküli érték használata. Az AI által adott minden kritikus tulajdonságot megerősít az adatbázis/kísérlet.
- Nem írja le a feltételt. A hőmérséklet/nyomás/fázis megadása nélkül vett érték rossz állapothoz tartozhat.
- A becsült érték tévedése tapasztalatinak. A csoporthozzájárulás becslései bizonytalanok; Ezt vegye figyelembe a tervezésnél.
- Anyagkiválasztás készítése egymondatos visszaigazolással. A korrózió többváltozós; adatok és megerősítés szükséges.
- A rangellenőrzés megkerülése. Egy egyszerű „van ennek a számnak értelme?” az irányítás elkapja a legtöbb hallucinációt.
Összefoglalva
AI a tulajdonságok és anyagok előrejelzésében; Ez egy hatékony asszisztens, amely előzetes értékeket generál, emlékeztet a becslési módszerre, összehasonlítja az erőforrások értékeit és megjelöli az anyagi kockázatokat. De minden kritikus jellemzőnek megbízható adatbázison vagy kísérleten kell alapulnia; Az anyagválasztás biztonsági szempontból kritikus döntés, amelyhez korróziós adatokra és hivatalos mérnöki jóváhagyásra van szükség. Az AI előrejelzéseket és figyelmeztetéseket biztosít; A mérnök csatlakozik a forráshoz, ellenőrzi és kiválasztja.
Pályázati feladat
Válasszon ki egy vegyületet és egy tulajdonságot (pl. egy oldószer gőznyomása, 40°C). Szerezze be az értéket és annak forrását az AI-ból az „Attribútum előrejelzése (erőforrás szükséges)” sablonnal; majd hasonlítsd össze egy termodinamikai adatbázissal és jegyezd meg az eltérést. Ezután használja az „előzetes anyag-kompatibilitási szűrés” sablont egy folyadék-anyag párhoz, és erősítse meg az ebből eredő kockázatokat egy kompatibilitási táblázattal.
ellenőrző lista
- A [ ] funkciót akartam a feltétellel együtt (T, P, fázis).
- [ ] Összehasonlítottam az AI által megadott értéket egy megbízható adatbázissal/kísérlettel.
- [ ] Megkülönböztettem a becsült értékeket a kísérletitől, és megjegyeztem a bizonytalanságot.
- [ ] Az anyagválasztást korróziós adatokkal és engedélyezett jóváhagyással igazoltam.
- [ ] Minden kritikus számra rang/valószínűségi ellenőrzést alkalmaztam.