Citrine推出Catalyst和Apex，使材料科学家能更轻松地利用AI进行材料与化学产品开发

Citrine Informatics是一家久经考验的材料与化学品产品开发人工智能（AI）平台提供商，该公司近日宣布推出Catalyst和Apex两项新功能。这两项新功能旨在帮助材料与化学产品开发团队更快速地做出更优的实验决策。

材料AI领域的瓶颈已不再是AI技术本身是否可行。Citrine的客户已在大规模使用该平台，每月部署550个AI模型，开展380个项目，并生成70,000条实验建议。当前的瓶颈在于应用普及：即如何帮助更多科学家快速构建AI工作流程、理解建议背后的逻辑，并对推荐的后续实验建立足够的信任以付诸实践。

Catalyst和Apex协同解决了这一挑战。Catalyst降低了创建和使用AI工作流程的门槛，而Apex则提升了支撑这些流程的模型质量。

Citrine Informatics首席执行官Greg Mulholland表示：“材料和化学品团队面临着诸多压力，包括需要加快配方调整速度、应对供应限制、沉淀机构知识以及提高产品开发效率。Catalyst和Apex正是为应对这些现实需求而设计的。它们能帮助科学家从设定产品目标快速过渡到获取实验建议，同时始终确保专家的专业判断处于核心地位。”

Catalyst是Citrine推出的AI工作流程加速器。产品开发人员只需用通俗语言描述产品目标，Catalyst即可在几分钟内完成以下操作：审查可用数据、创建数据集、构建AI模型、设定搜索空间与目标属性，并生成下一步实验建议。

Catalyst专为科学决策而设计，而非单纯的“黑箱”式自动化。它能以清晰易懂的语言解释性能驱动因素及实验建议背后的逻辑，使科学家能够自信地审查、评估甚至质疑这些建议，并据此采取行动。

对于产品开发团队而言，这意味着在前期准备、数据整理和工作流程配置上花费的时间将大幅减少。同时，这也让那些深谙产品问题却不愿编写代码、学习AI术语或在上手前手动调优模型的科学家，能够更快速地投入工作。

Apex是Citrine针对材料与化学品产品开发推出的新一代预测建模层。它部署了一系列先进的模型架构和预训练化学嵌入，并输出针对该项目表现最佳的模型的预测结果。

材料与化学品领域的各类问题千差万别。例如，高维配方问题所需的建模方法，往往与工艺优化问题截然不同。Apex旨在针对特定任务选择最强大的模型，而非仅仅依赖单一类型的模型。

Apex采用了包括图神经网络（GNN）、Transformer以及其他先进方法在内的多种模型架构。此外，它还利用基于科学文献和分子数据构建的预训练化学嵌入，从而为模型提供了一个更具化学领域洞察力的起点。

Citrine Informatics首席产品官 John Shaw 表示：“经验丰富的科学家始终拥有优势。Apex 的设计初衷正是为了进一步发挥这种专业知识的价值。它为团队提供了更坚实的起点，减少了对人工模型调优的需求，并助力更多产品开发人员自信地应对复杂项目。”

在Citrine内部基准测试中，未经调优或专家配置的Apex原始模型，在95%的情况下表现均优于或持平于当前平台经专家调优后的模型。针对复杂、高维且涉及多目标优化的难题，Apex将达到目标性能指标所需的实验次数减少了多达50%。

Catalyst与Apex协同工作，支持材料与化工企业实现三大优先目标：缩短开发周期、加速AI应用落地以及促进跨团队协作学习。Catalyst帮助团队更轻松地构建和理解AI工作流程，而Apex则优化了这些工作流程背后的建模层。两者结合，使产品开发团队能够在短短几分钟内，从确立产品目标过渡到制定出有据可循的下一步实验方案。