20年以上に渡り、QuesTekは独自の計算技術、精査された熱力学・動力学データベース、較正された物理をベースにした特性予測モデルを開発・向上させ、基礎となる材料特性を満たし、所望する材料性能を改善する材料組織を同定してきました。QuesTekには、様々な材料（鉄、アルミ、銅、コバルト、マグネシウム、モリブデン、ニッケル、チタン、ニオブ、タングステンなど）、またその特性・性能の予測（例　降伏、破壊、疲労、クリープ、腐食、酸化など）において知見と実績があります。これらのモデルは、（1）材料とそのプロセスの設計、特定、最適化と、（2）材料性能の評価に使われます。以下に、QuesTekの材料システムのモデリングを紹介します。
QuesTekは、材料設計や材料プロセスの最適化においてICMEをベースにした材料ソリューションを提供しています。

原子シミュレーション

密度汎関数理論（DFT）を用いて、CALPHADの評価とICME モデルの開発に必要な入力値の計算を行います。

第一原理計算を用いた脆性破壊感受性予測のための粒界エネルギー

高エントロピー合金の材料設計用にFe-X-Y混合エンタルピーのデータベース拡張

計算熱力学

材料のミクロ組織形成を、プロセスパラメーターと材料の組成をもとにCALPHAD（Computer Coupling of Phase Diagrams and Thermochemistry）などの計算熱力学ツールを用いてモデリングします。

相構成の予測（組成範囲と熱処理条件の関数）

析出物粗大化のモデリング（時効時間と温度の関数）

機構的（メカニスティック）モデル

QuesTekは、材料の特性や挙動を支配する各種メカニズムへの理解を深め、新たな材料設計を可能とする機構的モデルを発展させてきました。QuesTekのモデルは、異なるタイムスケール・サイズスケールにまたがる複雑なメカニズムを計算が可能で、材料設計において信頼性が高く、非常に有用なツールです。

マルチスケールにおけるクリープ変形機構モデリング

転位のダイナミクスをベースにした降伏強度予測モデル

QuesTekのICMEモデルの一つ（iCMD）を使用した鋼材組成を関数とする
マルテンサイト開始温度モデリング

機械学習

QuesTekは、不確かさ定量評価手法のために、ベイズ推定、ベイズ最適化、回帰モデルをベースとしたニューラルネットワーク、ランダムフォレスト、SISSOなどの機械学習モデルを研究開発やICMEによる材料設計のワークフローに取り入れています。

高エントロピー合金設計へのベイズ最適化の適用

体積弾性率のニューラルネットワーク回帰モデルによる
予測値とDFT計算値の比較

SISSOを使用したNb合金のDBTT予測