■ 技術核心
本研究室專注在發展應用於材料科學與產業之AI 相關技術，透過AI 平台MACSiMUM (
https://www.macsimum.org/) 與相關數位工具導入，於線上/ 線下提供產業於材料設計模擬、製程數據資料、產品實驗驗證階段之AI 工具與人才培育能量。服務模式以對內/ 外平台使用收費、專案委託研究、App 技術授權( 模型、材料設計方案、資料庫)、數位人員培訓課程等管道，降低材料廠商跨入智慧化IT 技術的門檻，改變國內材料廠商的研發模式與思維，並連結材化所內部技術與材料/ 製程/ 元件的驗證數據，利用整合解決方案以更直觀的模式向客戶展現技術能量與提供協助。
■ 技術特點
► 即學即用簡易操作機器學習工具，操作人員不須撰寫程式也能快速應用於實際場域
► 傳統製程參數數位化管理，並轉換為高價值資訊應用，最大化產出效益
► 結合人工智慧、IoT 等軟硬體技術以及材化領域專業知識，提供整合性解決方案達到高值化、客製化，協助企業有效數位化轉型，提升產業競爭力
■ 技術應用
▣ 數據收集與預測 — 太陽能板產電量
驗證新開發易拆解太陽能板效能，建置5KW 太陽能發電模組及IoT 系統收集完整一年產電量與環境氣候資料，同時將監測數據上雲端，進行機器學習建模預測未來PV 產電量。
▣ 材料電子資料庫 — 材料領域專業知識存取
MACSiMUM 平台現已建立17 個不同材料資料庫，存取材料領域專業研究數據，可作相關領域參考使用；也可針對特定產業、場域建立專屬電子資料庫，提升數據管理效率，便於後續AI 數據分析。( 環氧樹酯、玻璃製程、混凝土、粉體材料、導熱絕緣複材、高硬度耐蝕異質材料、HPSI、5G 材料、ZTA 材料等)
▣ 建立AI 模型分析數據及預測 — 可視化呈現結果
將實驗人員紀錄數據建立資料庫進行管理，再藉機器學習建模，輔助特性模擬，快速進行新材料設計與配方參數最佳化，加速新材料開發。數據分析與分析預測結果以可視化圖表呈現，讓使用者更直覺性的獲得分析結果，並可立即根據預測建議制訂決策。
▣ 透過AI 執行節能減碳之設備劣化預警
可應用於製造業設備狀況監測，匯入機器監測數據，透過AI 找出異常，及時提供預警，避免設備異常產生工安與產能問題，確保產線正常運作、效益最大化。
▣ 結合AIoT 與碳排放係數資料庫 — 執行碳盤查與碳減量
針對不同場域規劃碳盤查執行計畫，計算產品碳足跡或盤查企業/ 廠區碳排放量；並檢視評估實際場域規劃減碳計畫，搭配IoT 系統及AI 輔助設備節能、研發低碳產品。
工研院材化所 X200 材料人工智慧研究室