材料創(chuàng)新一直是各種顛覆性技術(shù)革命的核心，以至于材料經(jīng)常成為時(shí)代的標(biāo)志。

傳統(tǒng)的材料研發(fā)模式往往依賴實(shí)驗(yàn)與“試錯(cuò)”的方法，研發(fā)過(guò)程通常長(zhǎng)達(dá)10-20年，所需的工程量十分巨大，很大程度上已無(wú)法滿足21世紀(jì)工業(yè)發(fā)展對(duì)新材料的需求。隨著信息技術(shù)的發(fā)展在材料模擬領(lǐng)域的進(jìn)步，高通量計(jì)算系統(tǒng)可以在短時(shí)間內(nèi)獲得大量數(shù)據(jù)，并利用人工智能篩選和設(shè)計(jì)新材料，從而大幅提升材料研發(fā)速度，降低材料研發(fā)成本。材料研發(fā)進(jìn)展分為四個(gè)階段。第一階段是實(shí)驗(yàn)驅(qū)動(dòng)：基于實(shí)驗(yàn)和“試錯(cuò)”。第二階段是理論驅(qū)動(dòng)：隨著各領(lǐng)域研究的深入，材料科學(xué)的理論研究趨向成熟。尤其是分子動(dòng)力學(xué)和熱力學(xué)模型的應(yīng)用，為材料研究提供了眾多幫助，提高了新材料研究的效率。第三階段是計(jì)算驅(qū)動(dòng)：計(jì)算機(jī)的應(yīng)用使得材料科學(xué)的研究進(jìn)入了計(jì)算模擬階段?；诶碚撚?jì)算模擬，預(yù)測(cè)有希望的候選材料，縮小實(shí)驗(yàn)范圍，最后用實(shí)驗(yàn)驗(yàn)證，從而大幅提升材料科學(xué)的研究效率。

數(shù)據(jù)驅(qū)動(dòng)被認(rèn)為是材料科學(xué)的“第四范式”

基于信息化技術(shù)和數(shù)據(jù)科學(xué)的材料信息學(xué)，通過(guò)大數(shù)據(jù)和機(jī)器學(xué)習(xí)提取數(shù)據(jù)間的隱含變量，建立模型，以此來(lái)指導(dǎo)材料科學(xué)的發(fā)現(xiàn)。中國(guó)科學(xué)院院士、清華大學(xué)原校長(zhǎng)顧秉林認(rèn)為，人工智能的發(fā)展，縮短了材料研發(fā)的周期、減少了投資，進(jìn)而加快了整個(gè)領(lǐng)域的進(jìn)程。因此材料科學(xué)和人工智能的協(xié)同發(fā)展無(wú)疑將對(duì)材料科學(xué)起到至關(guān)重要的作用，將有望推動(dòng)新型材料的發(fā)現(xiàn)。

人工智能技術(shù)已被廣泛應(yīng)用于生物、醫(yī)療、工業(yè)等各領(lǐng)域

人工智能飛速發(fā)展的動(dòng)能在于算力進(jìn)步，算力進(jìn)步使生產(chǎn)、處理海量數(shù)據(jù)成為可能，進(jìn)而使人工智能滲透進(jìn)了各行各業(yè)。

2020年12月Nature報(bào)道，波蘭科學(xué)院Bartosz Grzybowski等研究者宣布對(duì)化學(xué)軟件“Chematica”進(jìn)行了改進(jìn)，使其可以設(shè)計(jì)出復(fù)雜天然產(chǎn)物的全合成路線，該程序設(shè)計(jì)的路線與人工設(shè)計(jì)的路線幾乎沒(méi)有差別，并已通過(guò)化學(xué)版“圖靈測(cè)試”。

2021年7月，DeepMind宣布AplhaFold2成功預(yù)測(cè)98.5%的人類蛋白質(zhì)結(jié)構(gòu)，數(shù)據(jù)集中預(yù)測(cè)的所有氨基酸殘基中，有58%達(dá)到可信水平，其中更有35.7%達(dá)到高置信度。而在此之前科學(xué)家花費(fèi)數(shù)十年的努力，只覆蓋了人類蛋白質(zhì)序列中17%的氨基酸殘基。

機(jī)器學(xué)習(xí)已被證明可以有效加速材料的研發(fā)進(jìn)程

機(jī)器學(xué)習(xí)方法在材料設(shè)計(jì)和材料篩選方面已表現(xiàn)出巨大潛力，將有望極大推動(dòng)新型材料的發(fā)現(xiàn)。2020年，《NPJ—計(jì)算材料》雜志上刊發(fā)了美國(guó)桑迪亞國(guó)家實(shí)驗(yàn)室的研究成果，記錄了他們開(kāi)發(fā)的一種機(jī)器學(xué)習(xí)算法，該算法能夠比正常速度快近4萬(wàn)倍的速度進(jìn)行材料模擬計(jì)算。

2016年5月，Nature發(fā)表了一篇文章，通過(guò)機(jī)器學(xué)習(xí)從過(guò)去認(rèn)為是“失敗”的數(shù)據(jù)中“學(xué)習(xí)”規(guī)律，并對(duì)新材料進(jìn)行預(yù)測(cè)，對(duì)比有經(jīng)驗(yàn)的化學(xué)家的人工判斷，機(jī)器預(yù)測(cè)結(jié)果以成功率89%：78%勝出，這個(gè)案例充分展現(xiàn)了機(jī)器學(xué)習(xí)方法的強(qiáng)大，就像Alpha Go對(duì)圍棋的沖擊。

機(jī)器學(xué)習(xí)不僅能夠?qū)Σ男阅苓M(jìn)行預(yù)測(cè)，同時(shí)挖掘邊界條件等信息，也有助于推進(jìn)對(duì)相關(guān)機(jī)理的認(rèn)識(shí)。美國(guó)加州大學(xué)伯克利分校Gerbrand Ceder教授小組開(kāi)發(fā)了將第一性原理計(jì)算與信息學(xué)（數(shù)據(jù)挖掘）相結(jié)合來(lái)預(yù)測(cè)晶體結(jié)構(gòu)的方法。Ceder最早想到利用這種高通量、數(shù)據(jù)驅(qū)動(dòng)的方法發(fā)現(xiàn)材料是在本世紀(jì)初，他受到人類基因組計(jì)劃的啟發(fā)，因此猜測(cè)材料學(xué)家能否從遺傳學(xué)家那里借鑒一些經(jīng)驗(yàn)，鑒別出一個(gè)與生物學(xué)信息被編碼在DNA堿基對(duì)中的方式相同的，編碼各種化合物屬性的“材料基因組”。

材料基因工程應(yīng)運(yùn)而生

2011年美國(guó)提出材料基因組計(jì)劃（Materials Genome Initiative，MGI），意在通過(guò)整合計(jì)算工具平臺(tái)、實(shí)驗(yàn)工具平臺(tái)和數(shù)字化數(shù)據(jù)（數(shù)據(jù)庫(kù)和信息學(xué)）平臺(tái)，以縮短材料研發(fā)周期和研發(fā)成本至少一半。材料基因組計(jì)劃研發(fā)思路是建立工藝、成分、結(jié)構(gòu)、性能之間的內(nèi)在聯(lián)系（PSPP linkages），根據(jù)材料對(duì)性能的需求，設(shè)計(jì)符合要求的微結(jié)構(gòu)；根據(jù)這種聯(lián)系，設(shè)計(jì)并優(yōu)化材料成分與工藝，以實(shí)現(xiàn)“材料按需設(shè)計(jì)”。

中國(guó)科學(xué)院和工程院在開(kāi)展了廣泛咨詢和深入調(diào)研后，科技部于2015年啟動(dòng)了《材料基因工程關(guān)鍵技術(shù)與支撐平臺(tái)重點(diǎn)專項(xiàng)實(shí)施方案》，開(kāi)展材料基因工程基礎(chǔ)理論、關(guān)鍵技術(shù)與裝備、驗(yàn)證性示范應(yīng)用的研究，布局了示范性創(chuàng)新平臺(tái)的建設(shè)。政府、高校和企業(yè)的積極參與和通力合作，為我國(guó)材料基因工程的可持續(xù)發(fā)展奠定了良好的基礎(chǔ)。

未來(lái)已來(lái)，將至已至。

構(gòu)建材料科學(xué)理論、人工智能、計(jì)算機(jī)科學(xué)和云計(jì)算等先進(jìn)信息技術(shù)協(xié)同驅(qū)動(dòng)的材料研發(fā)新技術(shù)，形成材料高通量實(shí)驗(yàn)、高通量計(jì)算和材料數(shù)據(jù)庫(kù)融合的材料創(chuàng)新體系和智能研發(fā)新模式，帶動(dòng)新材料產(chǎn)業(yè)鏈變革，將會(huì)極大地促進(jìn)新材料產(chǎn)業(yè)的發(fā)展。