關於我們

材料多尺度模擬數位應用技術網_技術簡介

       台灣材料產業目前導入材料模擬與數位化技術的時程緩慢,材料新功能的開發都是採取Trial and error 的方式,不斷的試誤,需要耗費大量的時間金錢與成本物力。而在現代電腦運算能力倍增計算成本下降,同時在近幾年數位設計與雲端分享經濟概念興起,世界各國大力投入奈米材料開發累積相當的材料數據下,運用量子力學、分子動力學、粒子動力學等微/介理論與巨觀連續體等多尺度模擬技術搭配,已經可以利用材料模擬技術,協助新材料的開發與試用驗證。有鑒於此,發展材料數位應用的契機來臨,透過模擬方法協助實驗累積足夠的資料庫,再經由機器學習AI技術建立正確的預測模型,能夠快速找出新材料配方、製程優化條件與產品可靠度失效模型,提供新產品在性能設計、可製造性設計與可靠度設計上所需的參數,大幅縮減新產品開發時程與成本。

       工研院材化所多尺度模擬研究室成立於 2001 年,具有 20 年材料模擬研究能量,整合電腦數值運算與跨領域學理模型及材料數位 AI技術應用,致力於先進材料設計、加工製程模擬、機構元件設計,適用於低碳循環、下世代ICT材料、鋰離子電池、高值石化等工業應用。材料多尺度模擬數位應用技術平台,內容包括「高分子多尺度模擬設計技術」、「宏觀模擬智慧設計應用技術」、「微觀量子/分子新材料設計技術」、「數據驅動材料AI預測應用平台」及「材料減碳診斷技術」。運用材料模擬數位設計技術、機器學習及減碳診斷應用,導入材料多尺度模擬設計、結合模擬與AI 的平台,減碳診斷評估流程、電腦模擬運算與跨領域/ 跨尺度材料設計佈局,能協助國內產業研發人員拓展材料設計之視野,縮短材料研發時程,以加速材料之設計、改質、篩選及差異化產品開發。

 

 

工研院材化所 材料多尺度模擬數位應用技術服務項目
(1) 材料物性模擬快速預測
 

        透過原子尺度設計模擬(結合量子物理、量子化學、分子動力學等理論與資料庫),預測材料改質調變後的性質,包括

o 熱力學性質如玻璃轉移溫度、熱膨脹係數、熔點、黏性流體轉移溫度、劣化啟始溫度等

o 光學性質如折射率、雙折射率、應力光學係數

o 電學性質如介電常數、介電損耗、電導率、熱電性質等

o 高分子阻氣性質如O2NO2CO2之滲透率

o 化學反應特性如: 電化學反應視窗、催化特性、化學極性、化學活性

(2) 材料合成與加工性模擬預測
 

        透過介觀與微觀尺度設計模擬(結合粗視化分子動力、黏彈物性與分散相微結構等理論),預測:

o 材料的分散性與互溶性

o 分散劑/添加劑改質設計

o 複合材料與合膠型態模擬

o 流變黏彈性模擬

o 高分子界面現象(如表面張力預測)

          o( 各類 ) 高分子、共聚高分子、混合高分子、高分子複材、高分子溶液、膠體等材料物性、相容性、相結構、型態設計、流變黏彈、機械特性…等性質預測與分散模擬

(3) 材料宏觀尺度模擬設計
 

        預測材料宏觀的力學、電、熱與光學特性

o 混成/複合材料的電導率、熱膨脹係數

o 電化學與熱傳導

o 粉體堆疊反應觸媒床反應分析

o 輕量高強度微結構優化

o 流場氣場熱場傳輸路徑可視化分析

o 電子構裝與非彈性應力計算

o 參數設計與可靠度疲勞分析

o 元件模組系統優化設計

(4) 材料數位AI應用
 

        透過數位AI技術導入材料與配方設計、製程設計

o 客製化材料數位資料庫系統建構 (結構化模擬、實驗、檢測數據整合系統)

o 客製化材料配方設計(ML-QSPR)、製程優化AI預測模型及可視化軟體開發

o 客製化材料機器視覺辨識影像前處理、AI模型開發與終端場域模型部署驗證

o 客製化材料逆向設計 (Materials Inverse Design) 技術開發

o 少量數據AI預測演算模型開發(Transfer Learning, Active Learning…)

(5) 材料減碳診斷
 

        符合ISO14067產品碳足跡標準的生命週期評估

o 產品碳足跡計算分析:活動數據盤查、碳排係數搜集、碳足跡計算、 熱點分析、第三方查證

o 碳足跡計算平台導入(turnkey):碳足跡計算軟體與碳排係數資料庫建置、碳足跡計算分析流程技術轉移