IA Lab by amano
Nesta entrada

Lançamento · CompuTherm

PandatAi leva perguntas de materiais a cálculos físicos rastreáveis

A plataforma escolhe base, módulo e condições, escreve o batch do Pandat e devolve gráficos e relatório; a IA orquestra, mas o motor CALPHAD executa a física.

Engenheira confirma uma pergunta sobre ligas antes de uma máquina de latão selecionar bases, imprimir um roteiro de cálculo e alimentar um motor físico que devolve diagramas e amostras ranqueadas.
Ilustração conceitual do PandatAi. A IA monta e interpreta o workflow; os cálculos saem do motor Pandat e ficam registrados em batch files e runs que podem ser reabertos.

A CompuTherm anunciou o PandatAi junto ao Pandat 2026A. A ferramenta transforma perguntas em inglês em workflows CALPHAD e ICME, gera um batch padrão, executa os módulos licenciados do Pandat e relaciona números ao run de origem. Há avaliação para download e plugins para Claude e Codex, mas o trial é limitado e não existe benchmark independente de qualidade ou ganho.

Acontecimento
Publicação
Última revisão
Leitura
4 min

AgentesAutomaçãoIntegraçãoDesignArquiteturaConstruçãoServiços profissionaisConhecimentoProdutividadePesquisaAnálise

O que aconteceu

A CompuTherm anunciou o PandatAi e o Pandat 2026A em 25 de setembro. A página do produto, sem data editorial visível, já oferece download de avaliação e documentação de instalação.

A ferramenta fica entre uma pergunta em linguagem natural e o motor Pandat. Ela seleciona base e módulo, propõe condições, escreve um batch file padrão, executa o cálculo e organiza tabelas, diagramas, gráficos interativos e relatório.

O que mudou

A mesma camada pode rodar como aplicativo standalone em Windows ou Linux e como plugin via MCP em Claude Desktop, Claude Code, Codex Desktop e Codex CLI. A instalação existente do Pandat e as bases licenciadas continuam sendo usadas.

A plataforma cobre equilíbrio e diagramas de fase, solidificação Scheil e cinética, precipitação, crescimento de grão, difusão unidimensional e varreduras de alta produtividade. Workflows podem ser salvos como skills reutilizáveis.

Por que importa

A diferença para um chatbot que apenas comenta materiais é a execução de modelos físicos existentes. Cada cálculo vira um batch no diretório do run, e cada número recomendado deve apontar para sua origem. Isso oferece uma trilha que pode ser reaberta e comparada.

A rastreabilidade não torna a configuração correta por si só. Base inadequada, conjunto de fases incompleto, condição de contorno ruim ou propriedade fora do domínio de validade continuam produzindo um resultado calculado que exige julgamento técnico e, quando aplicável, validação experimental.

Para quem importa

Engenharia de materiais, metalurgia, manufatura aditiva, fundição, tratamentos térmicos, pesquisa de ligas e equipes que conectam escolhas de material a produto, arquitetura e construção. O benefício tende a ser maior onde já há uso de CALPHAD ou ICME.

A interface documentada recebe perguntas em inglês. O fornecedor não publica preço, matriz regional ou promessa de qualidade em português. A versão integral requer instalação licenciada do Pandat e acesso às bases termodinâmicas ou cinéticas adequadas.

Impacto prático

O trial limita o sistema a três elementos e bases de exemplo. Ele serve para entender interface e rastreabilidade, não para concluir um estudo multicomponente industrial. Dados, cálculo e interpretação precisam ficar separados no protocolo do piloto.

Há modos de confirmação: no Guided, o sistema prepara entradas e mostra um resumo antes de rodar; no Expert, para em cada decisão. Para trabalho novo ou crítico, use o segundo até conhecer os padrões de erro.

O que testar

Repita primeiro um caso já resolvido pela equipe, com base, fases e resultado esperado conhecidos. Compare o batch gerado, hipóteses, convergência, diagrama, tabela e interpretação com a execução manual e registre toda divergência.

Depois altere uma variável por vez e inclua um pedido mal especificado. O sistema deve expor a falta de informação, pedir confirmação e preservar o vínculo entre relatório e run. Não use uma composição nova em projeto real antes de revisão técnica e verificação apropriada.

O que observar

A demonstração da CompuTherm mostra grades de composição, triagem e refino, mas não é benchmark independente. Meça tempo total, erros de configuração, correções, reprodutibilidade, custo de licença e quanto do relatório realmente dispensa retrabalho.

Confira também qual modelo de linguagem processa o contexto, que dados saem da rede, retenção do provedor e viabilidade de LLM local. Chave armazenada localmente não significa que prompts e anexos permanecem no equipamento.

O que ainda não sabemos

Não há estudo independente do PandatAi que compare acerto de configuração, qualidade de interpretação ou produtividade contra especialistas e outros sistemas. O artigo científico relacionado ao PanLink e PanDataNet tem autores ligados à CompuTherm e não avalia este produto como ferramenta completa.

Também faltam preço público, SLA, política detalhada de dados por provedor e evidência de desempenho fora dos exemplos. A equipe precisa validar cada combinação de módulo, base e modelo de linguagem que pretende adotar.

Fontes

  1. Announcing PandatAi and the release of Pandat 2026ACompuTherm · Fonte oficial · publicada em 25 de setembro de 2026 · conferida em 4 de outubro de 2026
  2. PandatAi: AI-powered materials design platformCompuTherm · Fonte oficial · conferida em 4 de outubro de 2026
  3. PandatAi installation and user guideCompuTherm · Documentação · conferida em 4 de outubro de 2026
  4. Latest updates in Pandat 2026ACompuTherm · Changelog · conferida em 4 de outubro de 2026

Conteúdos relacionados