材料基因组——材料研发新模式

 依赖于科学直觉与试错的传统材料研究方法日益成为社会发展与技术进步的瓶颈。革新材料研发方法、加速材料从研究到应用的进程成为世界各国共同的需求。作为"先进制造伙伴计划"(Advanced Manufacturing Partnership,AMP)的重要组成部分,美国总统奥巴马在2011 年6 月宣布了"材料基因组计划"(Materials Genome Initiative,MGI),通过整合材料计算、高通量实验和数据库,全面提高先进材料从发现到应用的速度,降低成本。MGI 提出了材料研发的崭新模式,为美国发展高端制造业,保持并强化其在核心科技领域的优势奠定了创新基础。中国材料科学界在1999 年6 月召开主题为"发现和优化新材料的集成组合方法"的第118 次香山科学会议,寻找加速发现新材料的有效途径。2011 年12 月,中国科学院和中国工程院主办主题为"材料科学系统工程"的第S14 次香山科学会议,研究中国应对MGI 的策略,并在随后3 年中,多次组织以材料基因组计划为主题的研讨会、报告会,使得中国材料界对材料基因组技术的认识不断深入,形成基本共识。2014 年,中国科学院和中国工程院分别向国务院提交咨询报告,建议尽快启动实施中国材料基因组计划。本文简要介绍材料基因组计划的主要内容、技术内涵、科学本质、国内外最新动向及其未来发展趋势,并根据中国的实际需求特点与现有条件,对实施中国版材料基因组计划的发展战略、技术路线、政策措施等提出建议。     

基于材料基因组计划的计算和数据方法

 材料基因组计划的核心理念,是通过计算、数据和实验“三位一体”的方式,变革传统的主要基于经验和实验的“试错法”材料研发模式,把发现、开发、生产和应用新材料的速度提高到目前的两倍。它旨在建立一个新的以计算模拟和理论预测优先、实验验证在后的新材料研发文化,从而取代现有的以经验和实验为主的材料研发的模式。本文论述如何通过计算和数据的方法加快新材料研发,介绍帮助加快新材料发现的高通量集成计算基础平台和软件框架MatCloud。     

材料综合计算实践的内容建设与能力培养

适应新工科形势要求,践行新材料的"材料基因组"创新研究模式,讨论并精选材料综合计算实践内容,培养学生在材料与零件创新设计中的新材料源头设计(结构与性能)计算、成形工艺仿真计算和服役与安全评估计算这一全链条、跨尺度材料开发应用过程中的综合计算能力,减少材料开发研究与零件设计研究中炒菜式试错试验,使材料与零件创新设计的思路尽可能发散而不受束缚。项目研究选取相关典型计算案例,设计出开放性虚拟仿真实验项目,通过这些具体实验使学生掌握目前先进的材料计算软件,既补全了学生材料学科知识体系,也适应新工科形势下的材料教学与研究需求。     

材料科学系统工程:建立我国新材料产业体系的关键

<正>进入21世纪以来,依赖于科学直觉与试错的传统材料研究方法,已严重滞后于当今技术快速发展的需求。革新材料研发方法,加速材料从研究到应用的转化进程,成为各国材料研究的最新发展战略。2011年6月24日,美国总统奥巴马宣布了一项超过5亿美元的"先进制造业伙伴关系"计划,而"材料基因组计划"是其重要的组成部分之一"。材料基因组计划"是通过高通量的跨尺度材料计算,结合大量可靠的实验数据,用理论模拟去尝试尽可能多的真实或未知材料,建立其化学组分、晶体和各种物性的数据库,并利用信息学、统计学方法,通过数据挖掘探寻材料结构和性能之间的关系模式,为材料设计     

机器学习和人工智能辅助钢铁材料设计的研究进展

随着人工智能技术的快速发展和材料数据的显著增加,机器学习和人工智能辅助设计高性能钢材正成为材料科学的主流范式。机器学习方法是一种基于计算机科学、统计学及材料科学之间的跨学科科学,聚焦于发现众多数据之间的相关性。与材料科学中传统的物理建模方法相比,机器学习方法的主要优势在于克服了材料本身复杂的物理机制,为新型高性能材料的研发提供了新的思路。本文从数据预处理和机器学习模型的介绍开始,包括算法选择和模型评估。然后,以优化成分、结构、工艺和性能为主题,回顾了机器学习方法在钢铁研究领域应用的一些典型案例。此外,还介绍了机器学习方法在以性能为导向的材料成分逆向设计工程以及在钢材缺陷检测领域中的应用。最后,探讨了机器学习在材料领域的适用性和局限性,并对未来的发展方向和前景进行了展望。     

应用机器学习加速新材料的研发

材料不仅是国民经济的基础,而且也是高新技术的载体.超越常规手段、应用新方法加速新材料的研发已成为全世界的研究热点.随着数据驱动方法取得的巨大成功,机器学习受到了日益高度的关注.它结合计算机科学、数据库理论、统计学、计算数学和工程学,不仅能展现出更快的计算速度和可靠的预测能力,大幅度提升材料计算效率,而且还能有效地处理一些难以运用传统模拟计算方法解决的体系和问题,这为研发具有特殊功能和特殊结构的新材料以满足日益提升的新技术的要求提供了契机.本文将简要概述机器学习的基本原理,介绍机器学习模型中的几种典型算法以及机器学习在新材料研究中的应用进展,并对机器学习在材料科学领域中的未来的发展前景做出展望.     

材料设计：材料科学的发展趋势

材料设计的提出是材料科学发展的一个里程碑，是材料科学方法论的一次革命．本文讨论材料设计的概念，材料设计的各个组成部分及其相互关系，材料设计的发展现状，材料设计前景展望等．材料设计的基础是材料物性数据库，材料设计的理论和模型需用量子化学、固体物理和宏观系统工程知识．现代微观分析技术和人工智能计算机的发展使材料设计真正成为可能．梯度功能材料的发展是材料设计成功的一个实例．材料设计的发展必将大大缩短新材料的研制周期，从而带来巨大的社会、经济效益．     

“材料基因组”方法加速热电材料性能优化

通过材料计算、数据库技术的整合与协同,可以快速甄别决定材料性能的基本关键因素,将这种方法用于材料的性能优化和新材料的设计,可以实现科学化"系统寻优"的材料基因组方法,显著加快热电材料的设计与性能优化。以填充方钴矿材料和类金刚石结构化合物为例,从电子和声子优化的不同角度,采用材料基因组方法从成百上千种可能性中快速筛选和制备出高性能热电材料,展示了材料基因组方法可显著加速热电材料研究的能力。     

数据+人工智能是材料基因工程的核心

 材料基因工程的工作模式,可大致总结为实验驱动、计算驱动和数据驱动3种。以"数据+人工智能"为标志的数据驱动模式围绕数据产生与数据处理展开,代表了材料基因工程的核心理念与发展方向。材料研究由"试错法"向科学第四范式的根本转变,将更快、更准、更省地获得成分-结构-工艺-性能间的关系。在数据密集型科学时代,快速获取大量材料数据的能力成为关键,而基于高通量实验与高通量计算的"数据工厂"是满足材料基因工程数据需求的重要平台。     

计算机研究材料科学的理论与实践

材料科学既是计算机应用的一个重要领域，也是计算机发展的工业基础学科，结合计算机在材料科学领域的应用，比较了从微观结构到物理性质、从数值分析到工艺过程模拟、从传统计算到智能处理等方面的计算机实验方法，探讨了计算机研究材料科学的理论和实践的发展趋势。     

材料基因组工程专用数据库

材料数据具有多源、异构、高维等特点, 收集纷繁复杂的材料数据, 建立材料基因工程专用数据库, 是实现数据驱动的新材料研发的基础. 以材料数据的规范化表示、机器学习建模及模型跨域部署、材料数据隐私保护下的机器学习、利用知识图谱从材料数据库到知识库等材料基因专用数据库的若干核心技术为基础, 介绍了材料基因数据库平台的系统架构及实现、平台超算部署及运行. 最后以反钙钛矿负膨胀材料为例, 介绍了材料基因工程数据库平台从数据归档到机器学习建模, 再到逆向设计, 以及最终实验验证的整个流程.     

稀土掺杂热障涂层材料分立成分样品的高通量 X 射线表征

随着科研人员对材料科学研发的不断投入, 高通量 X 射线表征技术的广泛应用极大提高了新材料的研发效率. 高通量 X 射线表征技术是材料基因组工程研究的重要工具. 设计了高通量 X 射线表征系统, 研究了不同含量稀土元素掺杂热障涂层材料对其结构相稳定性的影响. 样品台可进行高精度 $x$-$y$ 二维平面平动, 在保证数据样品质量的情况下,仅用极短时间就能测试多个分立样品.     

合成生物学、超材料和人工智能的融合

 提出了合成生物学、超材料与人工智能互相融合的思想,研究领域从合成生物学、超材料、人工智能拓展为生物超材料/超生物材料、智能超材料、智能合成生物学/生物人工智能,再到智能生物超材料,这种三向、三位一体的交叉融合为科学技术创新发展提供了新思路。     

High-throughput experimental tools for the materials genome initiative

The materials innovation infrastructure in the materials genome initiative(MGI)consists of three major components:computational tools,experimental tools,and digital data.This article will review experimental tools for high-throughput,high spatial resolution measurements of several materials properties such as elastic modulus,thermal conductivity,specific heat capacity,and thermal expansion.Application of these tools on compositionvarying samples such as diffusion multiples can be used to quickly and efficiently obtain composition–phase–structure–property relationships for materials property database establishment.They can also be used in conjunction with theoretical modeling to find and explain unusual effects to improve the predictability of models.More micron scale resolution experimental tools are in development.These high-throughput tools will be an essential part of MGI.     

中国材料数据库与公共服务平台建设

 材料数据对于国家安全、工程服役安全、科技创新、智能制造等方面的重要性在数据时代越来越彰显出来,在2011 年美国提出的具有变革意义的材料基因组计划中,材料数据与材料计算模拟、材料实验表征一起,为材料发展全流程研究的三大基本工具,使材料研究者与生产管理者进一步充分认识材料数据对加速材料研发进程的推动作用。材料数据具有多样、获取过程复杂、数据间关联关系复杂、知识产权性强等特点,使数据的收集、存储、共享和应用更加复杂。本文就大数据时代下的材料数据的特点、分类、材料数据库的国内外现状对比、中国发展材料数据库与材料数据科学的意义、今后主要发展方向以及存在的问题等方面进行系统分析,提出建设国家材料数据研发与服务公共平台,加大材料数据的收集整合力度,构建国家民用材料数据库与军用材料数据库,开展材料数据及材料数据库相关标准规范建设、定制性专题数据库服务、数据推送服务,同时开展材料信息学、材料数据学等方面的研究,开创并构建材料数据科学这一材料领域新学科。     

The materials genome and CALPHAD

The mapping of the human genome is an important basis for the development of new medicals and medical treatments.Consequently,it has attracted tremendous research funding over the last decade.On June2011,the Materials Genome Initiative was announced by the US President Obama as collaboration on modeling and advanced materials databases.Unfortunately,the materials genome was given a rather vague definition in the announcement.However,the materials genome should be defined in analogy with biological genomes and one may then conclude that:at any moment,the performance of a specific material depends on its chemical composition(inherent property stored in its genome)and its environment(external interactions–processing–conditions during usage).The materials genome should thus be defined as a set of information encoded in the language of thermodynamics obtained by careful assessment of experimental data and quantum mechanical calculations from which certain conclusions about the material can be drawn.The CALPHAD databases contain the thermodynamic and kinetic properties of a materials system.Such databases allow the prediction of materials structure as well as its response to processing and usage conditions,and are major parts of integrated computational materials engineering.     

材料科学的一个新生长点——生态材料学

针对材料产业的现状和发展趋势，提出了生态材料学的概念，即生态材料学的关于材料及材料循环过程与生态环境相互作用的科学，其目的在于使材料在满足所需性能的前提下，具有优良的生态环境协调性。分析了生态材料学的基本思想和主要研究内容，给出了环境负荷表达式和材料科学与工程的新判据。以铝合金熔体纯净化生态处理工艺为例，指出了材料科学与工程的发展方向。     

中国新材料创新突破的路径及政策保障

 新材料是未来高新技术产业发展的基石和先导,精准设计新材料创新突破路径及政策,是中国实现制造强国战略目标的必然要求。梳理了美国、日本与欧盟等材料强国的新材料技术创新突破经验,探讨了中国先进基础材料、关键战略材料与前沿新材料产业发展的现状与问题,分别设计了先进基础材料“竞争力提升”创新突破路径、关键战略材料“自主可控”创新突破路径及前沿新材料“抢先卡位”创新突破路径,并从完善新材料产业创新系统、引导新材料产业创新方向、建设新材料产业新型创新基础设施、构建可持续的创新保障体系等方面提出了政策建议。