材料信息學(xué)—–數(shù)據(jù)驅(qū)動(dòng)的材料研發(fā)

張統(tǒng)一

(上海大學(xué)材料基因組工程研究院,上海200444)

材料信息學(xué)是材料基因工程的核心,也是材料研發(fā)的新范式.它利用在材料集成計(jì)算、高通量實(shí)驗(yàn)和大數(shù)據(jù)科學(xué)方面的最新技術(shù),將材料科學(xué)與工程和人工智能、機(jī)器學(xué)習(xí)無縫集成.在國(guó)家重點(diǎn)研發(fā)計(jì)劃、上海市科委科研計(jì)劃、上海市Ⅳ類高峰學(xué)科、云南省材料基因重大科技專項(xiàng)、之江實(shí)驗(yàn)室科技攻關(guān)項(xiàng)目等支持下,上海大學(xué)牽頭聯(lián)合國(guó)內(nèi)高校、科研院所和企業(yè),在材料高通量計(jì)算、高通量實(shí)驗(yàn)、材料基因組工程專用數(shù)據(jù)庫、機(jī)器學(xué)習(xí),以及材料信息學(xué)領(lǐng)域開展了深入而系統(tǒng)的研究.特別是錢權(quán)教授作為項(xiàng)目負(fù)責(zé)人的國(guó)家重點(diǎn)研發(fā)計(jì)劃——材料基因組工程專用數(shù)據(jù)庫項(xiàng)目,聚焦鋁基復(fù)合材料、陶瓷涂層、非調(diào)質(zhì)特殊鋼等示范材料,全面地發(fā)展了利用數(shù)據(jù)科學(xué)方法對(duì)材料“成分-工藝-結(jié)構(gòu)-性能”內(nèi)在關(guān)系進(jìn)行挖掘的材料信息學(xué),取得了一系列成果.值此上海大學(xué)建校100周年之際,錢權(quán)教授領(lǐng)導(dǎo)項(xiàng)目組圍繞材料信息學(xué)和數(shù)據(jù)驅(qū)動(dòng)材料研發(fā),對(duì)科研成果進(jìn)行梳理,形成了本專輯3個(gè)板塊內(nèi)的系列文章.

數(shù)據(jù)采集、數(shù)據(jù)庫和數(shù)據(jù)處理組成了本專輯的第一板塊.材料信息學(xué)是數(shù)據(jù)驅(qū)動(dòng)的材料科學(xué)和工程,數(shù)據(jù)是基礎(chǔ).《基于Jaya優(yōu)化標(biāo)定的高精度數(shù)據(jù)采集方法》報(bào)道了從材料設(shè)備中采集高精度數(shù)據(jù)的方法和系統(tǒng).材料領(lǐng)域的文獻(xiàn)包含了海量數(shù)據(jù),《結(jié)合上下文詞匯匹配和圖卷積的材料數(shù)據(jù)命名實(shí)體識(shí)別》和《基于自然語言處理的材料領(lǐng)域知識(shí)圖譜構(gòu)建方法》結(jié)合了自然語言處理和圖神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、條件隨機(jī)場(chǎng)等多種深度學(xué)習(xí)算法,能夠從材料文獻(xiàn)中自動(dòng)抽取材料實(shí)體、關(guān)系等領(lǐng)域知識(shí)構(gòu)建知識(shí)圖譜.《材料基因組工程專用數(shù)據(jù)庫》和《基于區(qū)塊鏈的數(shù)據(jù)版權(quán)保護(hù)與組合競(jìng)拍》發(fā)展了材料數(shù)據(jù)規(guī)范化表示、機(jī)器學(xué)習(xí)模型跨域部署、材料數(shù)據(jù)隱私保護(hù)和基于本體的材料數(shù)據(jù)語義集成等材料基因數(shù)據(jù)庫的關(guān)鍵技術(shù),并結(jié)合區(qū)塊鏈、數(shù)字水印和組合競(jìng)拍技術(shù)發(fā)展了材料數(shù)據(jù)版權(quán)保護(hù)的方法和系統(tǒng).材料數(shù)據(jù)有3個(gè)特點(diǎn):小樣本、高維度、大噪聲.《基于卡爾曼濾波的含噪聲小樣本數(shù)據(jù)處理方法》將經(jīng)驗(yàn)?zāi)Ｐ团c實(shí)驗(yàn)觀測(cè)數(shù)據(jù)相結(jié)合,采用了卡爾曼和擴(kuò)展卡爾曼濾波對(duì)小樣本數(shù)據(jù)去噪;《聚丙烯復(fù)合材料老化數(shù)據(jù)集成學(xué)習(xí)》用高斯混合模型結(jié)合數(shù)據(jù)采樣方法進(jìn)行數(shù)據(jù)增強(qiáng);《小樣本分散數(shù)據(jù)的回歸建模和多目標(biāo)優(yōu)化》采用高斯過程和多目標(biāo)優(yōu)化對(duì)小樣本分散數(shù)據(jù)集進(jìn)行回歸建模,通過預(yù)測(cè)結(jié)果的不確定性估計(jì)指導(dǎo)材料逆向設(shè)計(jì).

機(jī)器學(xué)習(xí)是材料信息學(xué)的核心,組成了本專輯的第二板塊.特征和特征空間是機(jī)器學(xué)習(xí)兩個(gè)主要和基礎(chǔ)問題,《基于強(qiáng)化學(xué)習(xí)的特征選擇方法及材料學(xué)應(yīng)用》研究了基于強(qiáng)化學(xué)習(xí)的包裝式特征選擇方法,將特征選擇抽象成智能體與環(huán)境交互的收益最大化問題;《基于特征工程和機(jī)器學(xué)習(xí)的鋁基高熵合金穩(wěn)定性預(yù)測(cè)》采用特征工程和機(jī)器學(xué)習(xí)對(duì)高熵合金的相穩(wěn)定性進(jìn)行了預(yù)測(cè).支持向量機(jī)是常用的一種機(jī)器學(xué)習(xí)算法,《支持向量回歸預(yù)測(cè)不銹鋼的點(diǎn)蝕電位》報(bào)道了支持向量機(jī)回歸預(yù)測(cè)不銹鋼的點(diǎn)蝕電位的研究.《陶瓷涂層材料多模態(tài)數(shù)據(jù)表征學(xué)習(xí)》融合結(jié)構(gòu)化工藝數(shù)據(jù)和非結(jié)構(gòu)化微結(jié)構(gòu)圖像數(shù)據(jù)進(jìn)行了多模態(tài)學(xué)習(xí).《面向復(fù)合材料帶隙預(yù)測(cè)的兩段式集成學(xué)習(xí)模型構(gòu)建》采用集成學(xué)習(xí)利用多個(gè)弱分類器的集成來提升模型預(yù)測(cè)精度.《數(shù)據(jù)驅(qū)動(dòng)的鋁基復(fù)合材料性能預(yù)測(cè)和逆向設(shè)計(jì)》采用超參自動(dòng)尋優(yōu)來選擇模型,并利用虛擬樣本來進(jìn)行逆向設(shè)計(jì)和實(shí)驗(yàn)驗(yàn)證.

第三板塊包含了材料微結(jié)構(gòu)圖像識(shí)別與材料微結(jié)構(gòu)分析.《基于數(shù)字圖像處理技術(shù)的熱障涂層形貌特征識(shí)別方法》和《基于輕量級(jí)網(wǎng)絡(luò)的防偽標(biāo)簽檢測(cè)算法》采用了數(shù)字圖像處理中的形態(tài)學(xué)方法,結(jié)合協(xié)調(diào)注意力機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了材料微結(jié)構(gòu)形貌特征的識(shí)別和分析.《稀土摻雜熱障涂層材料分立成分樣品的高通量X射線表征》和《La1-xSrxTiO3薄膜的高通量X射線衍射》通過X射線源高精度x-y二維平面快速移動(dòng),研發(fā)了高通量的X射線表征系統(tǒng)并在兩種材料上進(jìn)行測(cè)試驗(yàn)證.《含碲非調(diào)質(zhì)鋼38MnVS6水口結(jié)瘤成因分析》對(duì)非調(diào)質(zhì)鋼的水口結(jié)瘤成因進(jìn)行深入研究.

材料信息學(xué)是一門極熱的交叉研究領(lǐng)域,近來進(jìn)展極快,已涌現(xiàn)出大批優(yōu)秀的科研成果、研究機(jī)構(gòu)和研究人員.希望本專輯能拋磚引玉,進(jìn)一步推動(dòng)材料數(shù)據(jù)庫、高通量制備與表征技術(shù)、高通量計(jì)算與模擬、材料數(shù)字孿生、挖掘與學(xué)習(xí)等研究的發(fā)展,早日把我國(guó)建設(shè)成材料基因工程、材料信息學(xué)和材料強(qiáng)國(guó).