中国粉体网讯  为解决新材料研发周期长的问题，2011年，美国前总统奥巴马宣布启动了一项雄心勃勃的“材料基因组计划”，投资超过1亿美元。这项计划试图通过数据共享和计算技术，将新材料的研发周期、成本大幅降低。

欧盟、日本、中国也紧随其后。2012年，“材料科学系统工程发展战略研究——中国版材料基因组计划”重大项目启动会在中国工程院召开。

中科院院士顾秉林认为，以往的材料科学研究是试错、“炒菜”式的，研发周期很长，耗费了很多人力物力。而机器学习以及人工智能（AI）的发展，缩短了材料研发的周期、减少了投资、加快了整个领域的进程。“材料科学和人工智能的协同发展无疑将对材料科学起到至关重要的作用。”

“材料科学涉及的种类和数据特别多，需要人工智能的介入，才能提高处理效率。”中科院院士徐红星也认为，“材料科学对人工智能的需求是实实在在的。

目前，虽然人工智能在语音识别、汽车自动驾驶、语言翻译等领域非常成功，但在材料领域还处于初级发展阶段。

高分子材料研发呼唤AI

近年来，碳纤维在国家重点支持下已取得突破，然而匹配高性能碳纤维的基体树脂发展缓慢，被严重“卡脖子”，成为制约先进装备发展的关键瓶颈，亟须解决先进树脂基复合材料的高强度、耐高温、轻质化和功能化等难以兼具的难题。

面对“卡脖子”难题，华东理工大学林嘉平教授团队，开展以大数据技术为驱动、以AI为核心的高分子材料基因工程研究，可为解决这些难题提供有效手段，加速新材料的研发步伐。

据介绍，林嘉平教授团队目前已建立了针对耐高温树脂设计的高分子材料基因组新方法。从“基元—结构—性能”构效关系出发，根据性能要求，设计和选取不同结构基元（基因），通过组合获得海量候选结构，然后进行性能预测和高通量筛选，为设计先进高分子材料提供了有效途径。

运用该方法，上述团队研制了系列先进复合材料基体树脂。如固化温度小于300℃、5%热分解温度大于650℃、玻璃化转变温度大于600℃的新型耐高温、易加工硅萘炔和硅芴炔树脂；耐高温、高韧性的新型聚硅炔酰亚胺树脂，其加工性能、耐热和界面性能优于聚酰亚胺，力学性能与聚酰亚胺相当。相关新型树脂已由多家航空航天院所开展复合材料及构件性能评价，解决了国家在高性能高分子材料领域的亟需。

值得一提的是，上述AI技术使用的数据库是国内首个树脂结构性能数据库和基团间化学反应数据库，包含3万多种聚合物、将近15万条性能数据、58516种基元反应模板的近140万条化学反应数据。

这些数据主要依靠过去3年团队近百名科研人员的整理录入，以一条条规范存储的数据搭建起国内首个高分子专用数据库。基于数据库，团队创建了面向高分子10余种性能的机器学习预测模型，并构建了高分子材料基因组研发平台，具备数据检索、性能预测、配方优化等多个功能。

碳纳米管等前沿材料研发呼唤AI

碳纳米管的生长过程影响因素较多，制备过程精细复杂、耗时费力。美空军研究实验室将人工智能技术和机器人、大数据以及高通量计算、原位表征技术相结合，研制材料自主研究系统（ARES）。

然后，该实验室利用洛·马公司的纳米材料数据库，通过“确定碳纳米管最佳生长参数试验”验证了ARES的能力。试验采用乙烯气体作碳源，在化学气相沉积室设置间距50微米、5×5排列的硅圆柱阵列作生长衬底，同时开展25组制备试验，在5天内完成了500余次试验，采用计算机“大脑”确定了碳纳米管最佳生长参数。

每一次实施新的试验，都获得新的知识积累，ARES使这些新知识成为未来试验设计的一部分。大量试验后，结果变得更加稳定，向预测的碳纳米管生长速度集中。AERS在一天内可完成100多个试验。相比ARES，人工开展相同制备试验，单人完成时间超过500天。

后续，美空军研究试验室将在现有化学气相沉积基础上，进一步研发可开展电子束沉积、激光溅射沉积、蒸发沉积等材料生长试验的能力。

锂电池研究呼唤AI

据报道，美国加州大学圣地亚哥分校工程学院的纳米工程师开发了一种人工智能（AI）算法，可几乎即时地预测任何材料（无论是现有材料还是新材料）的结构和动态特性。

该算法被称为M3GNet，用于开发Matterverse.ai数据库，该数据库包含超过3100万种尚未合成的材料，其特性由机器学习算法预测。数据库还促进了具有卓越性能的新材料的发现，研究人员可使用其来寻找更安全、能量密度更高的可充电锂离子电池电极和电解质。

在数据库的3100万种材料中，预计有超过100万种材料具有潜在的稳定性。上述团队不仅打算大大扩展材料的数量，还打算大幅扩展机器学习预测属性的数量。新成果在材料动态模拟和性能预测方面也有广泛的应用。例如，人们通常对锂离子在电池电极或电解质中的扩散速度很感兴趣。扩散越快，电池充电或放电的速度就越快。研究证明，M3GNetIAP可用于准确预测材料的锂电导率。

先进结构陶瓷研发呼唤AI

为设计新型高温结构陶瓷，清华大学赖树刚课题组通过收集国内外4000多组相关实验数据，先后建成了二氧化锆知识库和陶瓷材料数据库，包括SiC、Si3N4、ZrO2等多种高温结构的陶瓷材料。使用该系统可根据所需性能要求，查找出满足要求的材料及其组成成分和制作工艺，有助于材料的工艺设计和预测材料的性能。

复合材料研究呼唤AI

复合材料以其轻质高强高模、可设计性强等优点成为结构轻量化的重要用材。然而，随着复合材料组分、结构以及性能需求的日益复杂化，以实验观测、理论建模和数值模拟为主体的传统研究范式，在复合材料力学性能分析、设计和制造等方面遇到了新的科学问题与技术瓶颈。其中，实验观测不足、理论模型缺乏、数值分析受限、结果验证困难等问题在一定程度上制约了先进复合材料在面向未来工程领域中应用的发展。

复合材料领域的人工智能应用
（图源：张峻铭，杨伟东，李岩:人工智能在复合材料研究中的应用）

同济大学航空航天与力学学院科研人员认为，人工智能方法以数据驱动的模型替代传统研究中的数学力学模型，直接由高维高通量数据建立变量间的复杂关系，捕捉传统力学研究方法难以发现的规律，在复杂系统的分析、预测、优化方面拥有与生俱来的优势。而通过人工智能赋能来寻求复合材料中传统研究方法所面临难题的新的解决方案，目前已成为复合材料研究领域的发展趋势。

小结

人工智能是材料研发的一种突破性工具，也是未来材料技术的重点发展方向，将改变新材料的研发模式，革新材料研发效率。

由于国内新材料成果转化率低，工程化程度不高，造成我国距世界先进材料强国还有较大差距。目前我国人工智能技术与国外先进水平并驾齐驱，利用人工智能发展新材料有很好的条件，有可能通过这一最新的技术快速解决我国材料发展的某些瓶颈问题。

应用人工智能研制新材料，还需要重点解决：1）已有材料数据的集成共享，打牢人工智能技术应用的大数据基础；2）研究机器的材料深度学习算法，提高人工智能化程度；3）解决部分先进材料试验和表征仪器设备进口依赖问题，建设国内材料设备研发和供应能力，实现设备的自主保障。

参考资料

中国科学报：材料科学+人工智能：“抱团”才能“更暖”

科技中国：人工智能技术有望使新材料研发提速百倍

上海科技报：国内首个高分子材料基因组研发平台诞生

科技日报：AI即时预测材料结构与特性

张峻铭，杨伟东，李岩：人工智能在复合材料研究中的应用

黄河，陈宏生：人工智能将推动材料基因组技术加速发展

杨思慧：人工智能在材料设计中的应用

（中国粉体网编辑整理/平安）

注：图片非商业用途，存在侵权告知删除！