CrabNet 材料性质预测
科研灵感的AI加速器
扫码使用微信小程序
在手机移动端体验CrabNet材料性质预测工具
- 使用微信扫描上方二维码
- 进入CrabNet小程序
- 输入化学式，选择预测性质
- 10秒内获得预测结果
一、工具定位：让材料预测触手可及
CrabNet 材料性质预测小程序是基于成分限制注意力网络（Compositionally Restricted Attention-Based Network）开发的轻量化科研工具，旨在将顶刊级材料 AI 预测技术转化为科研工作者的"口袋助手"。
它复刻了资深材料学家通过化学式推理性质的思维过程，却凭借机器学习的优势实现了更快的速度、更广的覆盖性和更强的可解释性——仅需输入化学式（支持元素掺杂如 W₀.₁Al₂O₃），10 秒内即可输出 16 类核心材料性质的预测结果，同时提供元素影响分析与设计建议。
二、核心优势：为何选择 CrabNet 小程序？
1. 精准捕捉"微量高效"的掺杂效应
传统模型常被微量元素的弱信号淹没，而 CrabNet 通过分数嵌入与自注意力机制，能精准识别低含量掺杂元素的关键影响。例如测试 W₀.₁Al₂O₃的体积模量时，模型清晰呈现 W 元素占比从 0.1 增至 0.2 时，数值从 170.93 提升至 177.79 的变化规律，与钨增强材料刚度的常识完全吻合，印证了预测的合理性。
2. 结构无关，仅需化学式即可预测
无需复杂的晶体结构数据，仅通过化学组成即可运算——这源于 CrabNet 的核心设计：将化学式转化为包含元素身份与含量的元素衍生矩阵（EDM），再通过 Transformer 架构模拟元素间的"相互交流"。这种结构无关性使其适用于各类材料体系，尤其解决了新型材料结构数据稀缺的痛点。
3. 可视化解释，告别 AI"黑箱"
预测结果附带两大解读工具：
• 元素配比演化分析：自动生成目标化学式的变种（如 Al₂O₃衍生出 Al₄O₃、Al₂O₆等），直观展示成分比例对性能的影响；
• 元素周期表热力学图：用热力颜色标注不同元素对目标性质的贡献权重，快速定位关键调控元素。
4. 速度与精度的平衡
依托 DFT（密度泛函理论）计算结果训练的模型，在 28 个基准数据集上性能均达到或超越主流方法，却将传统量子力学计算需数天的流程压缩至 10 秒。虽非绝对精确，但能为科研提供高价值的方向指引，大幅降低实验试错成本。
三、适用领域与目标用户
CrabNet 的核心能力使其成为多领域材料研发的"加速器"，尤其适配以下场景：
- 新能源材料研发：电池正负极材料、电解质材料的性质预测与优化
- 催化材料设计：催化剂成分筛选与性能预测
- 功能材料开发：光学、电学、热学性能的快速评估
- 材料改性研究：通过元素掺杂优化材料性能
四、完整使用指南
1. 准备工作
支持的化学式格式：纯元素化合物（如 Al₂O₃、CuO）、掺杂体系（如 W₀.₁Al₂O₃），元素符号首字母大写，下标用数字表示。
2. 可选预测性质（16 类）
Bulk Modulus
Shear Modulus
Elasticity
Steel Yield Strength
Debye Temperature
Thermal Conductivity
Thermal Expansion
Phonon Properties
Band Gap
Dielectric Properties
Energy per Atom
Formation Energy
Formation Enthalpy
Energy Convex Hull
Magnetic Moment
Volume per Atom
3. 操作步骤（3 步完成预测）
步骤一：输入化学式
打开小程序首页，在输入框中填写目标化学式（例：W₀.₁Al₂O₃），系统自动校验格式合法性。
步骤二：选择目标性质
从下拉菜单中勾选需预测的性质。
步骤三：查看结果与分析
点击"开始预测"，等待约 10 秒后进入结果页：
- 顶部显示目标化学式及对应性质的预测数值（单位与专业标准一致）；
- 中部展示配比演化表格，对比不同元素比例的性能差异；
- 底部查看元素周期表热力图，定位关键影响元素（颜色越偏暖色影响越大）。
4. 结果解读与延伸应用
- 若需提升某性质（如体积模量）：优先选择热力图中高贡献元素（如 W、Ti）进行掺杂；
- 若需平衡多性能：对比不同配比的演化数据，寻找最优成分比例；
- 研发决策建议：将小程序预测的 TOP3 候选成分作为 DFT 精确计算或实验合成的优先选项。
五、注意事项
- 预测结果为趋势性参考，精确数据需通过量子力学计算或实验验证；
- 支持的元素覆盖周期表主流元素，稀有放射性元素预测精度会有所下降；
- 建议将小程序预测结果作为研发方向的初步筛选工具，重要决策前请进行DFT计算或实验验证。