🔥 热搜 🔥
百度今日热点微信公众平台贴吧opggdnf私服百度贴吧知乎dnf公益服百度傻逼
分类
社会娱乐国际人权科技经济其它
🔥 热搜 🔥
上海习近平新疆鄂州父女瓜乌鲁木齐疫情H工口小学生赛高习明泽芊川一笑图包印尼排华
分类
社会娱乐国际人权科技经济其它
查看原文
其他

中国新材料研究前沿报告（2020）：谢建新-材料基因工程关键技术与应用研究进展

谢建新 今日新材料 2023-01-06
收录于合集
#中国新材料研究前沿报告 79 个
#神经网络 106 个
谢建新1，杨明理2，宿彦京1
1北京科技大学新材料技术研究院，北京市材料基因工程高精尖创新中心，北京，100083
2四川大学材料基因工程研究中心，成都，610065
 
摘要 材料基因工程是将人工智能技术与材料科学与工程有机融合的颠覆性前沿技术，旨在变革现有效率低下的材料“试错法”研发模式，在材料研发-生产-应用全链条构筑“理性设计-高效实验-大数据技术”深度融合、协同创新的技术创新体系和新型研发模式，显著提升新材料的研发效率、降低研发成本、促进工程化应用，将会对材料科技和产业的发展带来革命性变革，加速新材料的发展和应用，推动制造业的升级换代和变革性发展。本文综述了国内外材料基因工程的发展现状，重点总结了我国在材料基因工程领域基础理论与方法、关键技术与装备、新材料研发与工程化应用等方面的研究进展，提出了未来发展方向建议。

1 材料基因工程的概念与内涵

1.1 材料基因工程的提出与发展

为了重振美国高端制造业，2011年6月，时任美国总统奥巴马宣布启动了“面向全球竞争力的材料基因组计划”(MaterialsGenome Initiative for Global Competitiveness，简称“材料基因组计划”) [1]，重点建设材料高通量计算、高通量实验和材料大数据等基础设施和平台，形成新材料创新发展的基础条件和能力。2014年美国将材料基因组计划提升为“国家战略”，深入诠释了材料基因组计划的内涵[2]：通过实验-计算-理论的集成创新，加速材料大数据技术的发展，培养具有材料基因组新思想和新理念的材料工作者，变革材料研发文化，加速美国新材料和高端制造业的发展。作为实施材料基因组计划的重要举措，美国建设了45个材料基因组创新平台，每个平台政府投资0.7~1.2亿美元，建设周期5~7年。2018年美国RTI国际咨询公司和华盛顿大学经济政策研究中心对建设材料基因组基础设施进行了经济学分析[3]，通过对120位企业家的咨询和调研得出结论：材料基因组是集基础研究、共性技术、工业放大技术和产品集成技术为一体的综合性技术，是对材料发现、开发、生产、应用等阶段的全过程加速，是打破新材料研究与市场化之间瓶颈、加速新材料产业化的有效手段；材料基因组关键技术和基础设施的应用，可以降低新材料研发风险1/2以上，缩短新材料从发现到工程化应用时间1/3以上，降低研发成本1/3以上，产生的经济效益约为1230–2700亿美元/年。2019年美国发布了关于材料基因组人才培养的报告[4]，定义了材料基因组专业人才应该具备数据处理、计算建模、计算机仿真、可视化和软件管理的技能，具有材料多层次、跨尺度集成计算的能力，掌握高通量和自动化实验的技能。
美国宣布材料基因组计划后，欧盟、日本和印度先后启动了相关的研究计划。中国工程院和科学院开展了广泛的咨询和深入的调研，科技部于2015年启动了“材料基因工程关键技术与支撑平台”重点专项(简称“基因工程重点专项”)，开展材料基因工程基础理论、关键技术与装备、验证性示范应用的研究，布局了示范性创新平台的建设。在材料基因工程重点专项的牵引下，各级部门、地方政府和企业积极投入，布局和开展材料基因工程研究和创新平台建设。据不完全统计，目前科技部和各地方政府与企业在材料基因工程领域的投入超过30亿元人民币，参与研究的高校、研究院所和企业等超过400家。建设了一批材料基因工程创新平台和基地，取得了一批创新性的研究成果，有力地推动了我国材料基因工程基础理论研究、关键技术研发、工程化与产业化应用等方面的发展。2019年美国发布的材料基因组计划人才培养报告[4]，认为中国材料基因工程的发展理念和实施成效体现出了更广泛的产学研一体化的特点。

1.2 概念与内涵

材料基因工程的基本理念是变革传统的“试错法”材料研究模式，发展“理性设计-高效实验-大数据技术”深度融合、协同创新的新型研发模式，显著提升新材料的研发效率，促进新材料的应用。基本目标是将新材料的研发周期缩短一半、研发成本降低一半。实现途径是发展材料高效计算、高通量实验、大数据等共性关键技术及装备，构建“计算、实验、数据库”三大基础创新平台，通过创新平台和关键技术的深度融合、协同创新，加速新材料的研发和工程化应用。
材料高效计算以高性能计算平台和软件为基础，通过并发式自动流程高通量算法，实现新材料成分/结构(组织)/性能等的高效筛选；以多层次、跨尺度计算方法为核心，通过集成计算材料工程(ICME)，解决新材料组织结构-性能-工艺之间的关联和工艺优化问题。两者构成了材料理性设计的技术基础。
材料高通量实验主要包括高通量制备、高通量表征和服役性能高效评价等实验技术和方法。材料高通量制备是指一次实验，可以制备或加工出一批样品，即几十个或几百个样品，乃至成千上万个样品；材料高通量表征是指一次实验，可以对一批样品进行表征，或者通过一次实验获得样品的成分/结构/性能等多个表征结果；材料服役性能高效评价技术是指一次实验获得多个服役性能，或者短时间实验获得材料长期服役行为数据。
数据库有许多种，传统的材料数据库大多是指存储了材料牌号、成分、结构、性质/性能、服役效能的简单结构关系型数据库，大多是为科技开发基础数据查询、材料管理、使用(选材)而建立的数据库。材料基因工程理念数据库不同于传统的数据库，它应该具有支撑/服务于高效计算、高通量实验，可实现海量数据自动处理和积累的功能；借助互联网、云数据技术，通过数据挖掘进行数据收集和积累的功能；应用机器学习、人工智能等技术，实现数据分析、模型建立，探索新材料、发现新性能等功能。
材料高效计算、高通量实验和大数据技术构成材料基因工程的基础技术体系。通过材料高效计算和高通量实验，实现新材料的快速筛选和材料数据的快速积累；通过大数据和人工智能技术的应用，实现材料成分和工艺的全局优化、材料性能的提升；通过创新平台，实现材料基因工程关键技术的深度融合和协同创新。材料基因工程关键技术的应用，将材料传统顺序迭代的试错法研发模式，变革成全过程关联并行的研发新模式(图1所示)，全面加速材料发现、开发、生产、应用等全过程的进程，促进新材料的研发和工程化应用。
                         
图 1 材料基因工程变革研发模式[5]

3  国内主要研究进展

3.1关键技术与装备

3.1.1材料高效计算与设计

开发了材料高通量并发式计算和多尺度计算软件，如北京航空航天大学的ALKEMIE、上海大学的MIP、中科院网络信息中心的MATCLOUD和天津超算的CNMGE等，支持从第一性原理、分子动力学、热力学到有限元的多尺度材料计算。针对金属、陶瓷、半导体、聚合物等多类材料，开发了从微观、介观到宏观体系的多尺度自动建模、自动流程设计、工作流管理、计算数据采集和分析、候选材料虚拟筛选等高通量技术。建设了支持万量级(104级)高通量并发式计算的软硬件设施，相关算法和技术填补了国内空白，初步实现了在国家超算(无锡、天津、长沙、广州)平台的部署和开放共享。在高温合金[27, 28]、2D磁性材料[29]、催化材料[30]等领域中获得应用，显著提高了材料设计、计算和筛选效率，大幅度减小了新材料实验研究的试错空间。
                            图2 ALKEMIE材料高通量计算方法和软件系统
 

3.1.2 材料高通量制备与表征评价

研发出了等离子体/微波辅助化学气相沉积(CVD)薄膜、电场辅助燃烧合成微纳粉体、螺旋梯度连铸块体[31]等材料高通量制备技术和装置，金属材料高通量热处理[32]和定向凝固制备技术，以及结构材料铸造-锻造-热处理全流程高通量实验技术；研发出了基于电子显微镜[33]和同步辐射光源的材料高通量表征技术，同步辐射实验中的成分和结构表征速率提高了100倍[34]；利用自主研发的高通量制备与表征装置，如图3[35]所示，实现了对超导、[36]光催化等材料[37]的高效实验筛选，为我国规模化的材料高通量实验研究提供了示范。利用同步辐射X射线成像与衍射技术，实现了多场耦合、复杂工况条件下材料变形的原位高通量表征[38, 39]；研发出了重离子辐照高通量评价和热室微小试样测试技术，提高了材料辐照实验的效率；研发了组合材料芯片多因素耦合环境腐蚀快速评价技术和装置，实现了耐蚀材料成分的快速筛选和优化；利用机器学习建立了DZ125合金微观组织演变与宏观性能的量化模型，构建了宏微观耦合的DZ125合金涡轮叶片服役损伤评价及蠕变剩余寿命的预测方法[40]。
  
图3 激光分子束外延-扫描隧道显微镜(STM)高通量制备与表征系统[35]
(a)高通量制备与表征实验装置，(b)高通量组合薄膜制备原理图，(c)高通量制备的FeSe薄膜原位STM像，(d)梯度厚度(28nmà280nm)组合薄膜微区电阻表征，(e)梯度沉积温度(350°Cà600°C)组合薄膜X射线衍射结果，(f)梯度超导转变温度(0 Kà12 K)薄膜微区电阻表征
 

3.1.3 材料基因工程理念数据库与大数据技术

材料大数据和人工智能是材料基因工程技术体系中最具开拓性的前沿技术，它将传统研发模式中较少考虑的变量引入到材料设计，增加了发现新材料和新功能的可能性[3]，数据驱动有望成为未来新材料研发的主要模式，即材料科学研究的“第四范式”[41]。近年来，我国在材料数据库建设和大数据技术研发与应用方面取得了长足进展。
（1）材料基因工程理念数据库技术研发与数据库建设方面，基于数据动态容器和无模式存储技术，研发出了包含字符串、文件、图像、容器等10余种数据控件，用户可根据需求自定义数据模式的材料数据库技术，实现复杂异构材料数据的个性化描述和便捷、快速汇交，建成了包含三十余种材料体系的数据库，数据量超过100万条；开发出了材料高通量第一性原理计算驱动引擎，实现了高通量计算作业的生成与提交、结果数据的自动处理与归档汇交[42]，该计算系统得到了广泛应用，填补了国内空白；研发出了包含模式识别、支持向量机和人工神经网络等十余种数据分析方法的材料数据挖掘平台和特征参量自动筛选系统[43]；研发出了基于机器学习的高熵合金和高温合金性能优化设计、相分类、基于遗传编程的材料数据符号回归技术、高温合金文本挖掘算法，以及X射线衍射数据聚类与解构、材料显微组织图像分析等高通量实验数据处理等工具软件；通过系统集成，形成了集数据采集-数据库-数据挖掘-材料设计为一体、可扩展的材料基因工程理念数据库系统框架（www.MGEdata.cn），如图4所示。
 
图4 材料基因工程理念数据库系统（www.MGEdata.cn）
 
（2）提出了通过机器学习技术挖掘文献中大量高强高导铜合金成分与性能的数据规律，解锁“成分-性能”间隐式复杂关系，建立了基于数据驱动、面向性能要求的多元复杂铜合金成分快速准确设计新方法[44]。通过建立成分→性能（C2P）和性能→成分（P2C）两个模型，利用两个模型之间的互相对抗、互相验证，设计了由建模与训练、成分设计和性能预测三个主要功能组成的机器学习合金设计系统（MLDS），如图5所示；该系统通过反复试错，自动、快速筛选出较为合理的成分设计方案，突破了面向性能要求的合金成分设计难题，尝试了给定目标性能为抗拉强度600~950MPa、导电率为50%IACS的6~7元引线框架用铜合金的成分设计，开发出了一种具有自主知识产权的高强高导铜合金（抗拉强度800MPa、导电率50%IACS），可满足高端集成电路引线框架的性能需求，正在相关企业实施应用，为突破国外专利封锁和产品垄断提供了新的解决方案。
图5 机器学习方法发现新型高强高导铜合金[44] (a) 面向性能要求的合金成分机器学习设计模型，(b) 所开发新型高强高导铜合金的力学与导电性能(C2P：成分→性能预测模型；P2C：性能→成分设计模型)
 
（3）通过在机器学习中融合全局优化算法，研发出了指导实验快速寻找高性能材料的智能技术，将其应用于Al-Co-Cr-Cu-Fe-Ni高熵合金体系[45, 46]，指导实验探寻具有更高硬度的高熵合金，以合金成分为特征参量训练机器学习模型（如图6 (a)，Loop I），在近两百万种合金成分空间中指导实验寻找高硬度的高熵合金，第二轮实验（每次实验制备3个样品）就寻找到了硬度高于该合金体系所有已知合金硬度的样品；如果将高熵合金领域知识以特征参量的形式引入机器学习模型与合金成分共同作为特征参量（如图6 (a)，Loop II），第一轮实验就寻找到了更高硬度的高熵合金，如图6 (c)所示。将该技术应用于Co基高温合金的多性能筛选与优化[47]（如图6(b)所示），通过领域知识和机器学习模型，筛选和探寻满足密度、固（液）相线温度、无有害相、抗高温氧化、γ'相体积分数等性能要求，γ'相溶解温度更高的Co基高温合金，在20多万个Co-Al-W-Ni-Ti-Ta-Cr等7组元合金的可能成分空间，通过3轮实验迭代（每次实验制备4个样品），寻找到了3种满足所有设计性能要求，γ'相溶解温度高于所有已知合金的新型Co基高温合金（如图6(c)所示）。
图6 基于机器学习的材料性能优化设计[45, 47](a) 高熵合金的优化策略，(b) Co基高温合金性能筛选与优化策略，(c) 机器学习模型指导下的实验迭代和性能优化，(d) 机器学习模型指导下优化的Co及高温合金性能对比
 
（4）采用相关性筛选、递归消除和穷举法相结合的机器学习元素特征参量分析方法，筛选影响合金性能的关键元素特征参量，研究原子层面成分对性能的影响机理，提出了根据元素关键特征量对合金性能的影响特点，选择合适的合金元素并设计高性能合金的新方法[48]，如图7所示。以固溶强化导电铜合金为例，发现了影响合金抗拉强度和导电率的关键特征参量为元素的绝对电负性（E4）、原子半径（S10）和核电子距离（S6）。通过对元素周期表中可能的固溶元素进行筛选，发现了可显著提升合金抗拉强度和导电率水平的新合金元素In。设计和制备了4种In含量在0.7wt.%以下的新型固溶强化导电铜合金，综合性能比现有固溶强化导电铜合金的水平明显提升。将元素关键特征参量E4、S10和S6用于固溶强化导电铝合金的性能预测，获得了误差<10%的预测精度，表明E4、S10和S6也是影响固溶强化导电铝合金性能的关键本征因素，提出的合金理性设计方法具有较好的适用性。
图7 基于元素关键特征量分析的固溶强化导电铜合金理性设计[48]
 
（5）通过对大量炸药分子的结构与性能数据分析，从元素组成、分子结构和晶体排列三个层次识别并提取低感高能炸药的“基因”特征（如图8所示），以此为边界条件，对计算机辅助设计生成的大量炸药分子进行快速高效筛选，指导合成出一种低感高能炸药ICM-102[49]；设计开发了集成基于机器学习性能预测和高通量分子生成的炸药分子高通量虚拟筛选系统，成功地从快速设计生成的20,000多个候选分子中筛选出一种具有爆轰性能良好、分解温度高（326 oC）、感度低等特点的新型炸药分子ICM-104，是一种有潜力的耐热不敏感炸药。
图8 机器学习加速发现钝感的高能量密度材料。（a）计算机辅助快速筛选钝感高能炸药分子的原理示意图。（b）ICM-102硝基电荷和表面静电势。（c）示差扫描热量仪(DSC)和热重分析仪(TG)的ICM-102曲线，及不同升温速率下，ICM-102的DSC曲线[49]。
 
（6）利用212个已报道的有机-无机杂化钙钛矿（HOIPs）带隙值中训练梯度提升回归（GBR）模型，从5158种未开发的潜在HOIPs中筛选出6种具有适当带隙和室温热稳定性的正交无铅HOIPs，其中两种具有明显的直接带隙和优异的环境稳定性。通过GBR算法的“末位淘汰”特征选择，挖掘出了HOIPs带隙的结构-性质严格关系，发现了容忍因子、八面体因子、金属电负性以及有机分子的极化率等影响HOIPs太阳能电池性能的控制因素[50]。该方法能够快速实现高精度筛选，不仅可以达到DFT精度，而且适用于小数据集。
（7）利用高通量第一性原理计算和集成学习，结合催化剂设计理论（如图9所示）[51]，实现了Mn+1XnO2、M2M'X2O2和M2M'2X3O2（n=1,2,3；X=C, N）催化活性、热稳定性和电导率的理论计算预测，筛选出了41种HER催化活性高于贵金属铂且稳定存在，有可能实验合成的二维2D MXenes催化剂，其中两种预测的催化剂已将得到实验验证。利用AdaBoost集成学习模型，筛选出可准确预测2D MXenes催化活性，并可解释其物理和化学机制的特征参量。电子结构分析验证了该特征参量的合理性。
图9 基于高通量计算和机器学习的高效2D MXenes二元有序合金催化剂的筛选流程[51]
 
（8）基于机器学习的材料相结构高精度预测。针对高维、稀疏、小样本材料数据的特点，提出了利用遗传算法快速筛选最优机器学习模型与特征参量子集组合的策略，从而可以快速建立高精度材料数据的机器学习模型，实现准确预测。将其应用于高熵合金的相预测，最优模型预测固溶体和非固溶体高熵合金的准确率达88.7%，预测体心立方相、面心立方相、双相高熵合金的准确率达91.3%，与传统的经验参数方法相比，预测精度提高10%以上[52]。提出了通过跨机器学习问题（回归与分类）、跨材料体系的特征描述符组合相互验证获得共性描述符的特征选择策略，利用相关性分析和特征子集筛选相结合的方法，对不同铁电材料体系（钛酸钡系、铌酸钾钠系、铌镁酸铅系）进行并行分析，得到了决定铁电特性的共性特征参量组合，将其应用于钙钛矿化合物是否属于反铁电化合物的预测，准确率达96%，远超传统理论判据的预测精度(89%)[53]。
（9）利用符号回归得到描述氧化物钙钛矿催化剂析氧反应（OER）的描述符和数学表达式[54]：分别为A、B、O位置元素的离子半径）。该描述符与OER催化活性线性相关。根据新描述符设计和筛选出催化性能更高的氧化物钙钛矿材料，成功合成了5种氧化物钙钛矿材料，其中4种材料的活性和稳定性超过了目前报道的最好材料。将高通量筛选流程与符号学习相结合的策略，可以发现具有物理意义的描述符号，为探索发现新型、高活性功能材料提出了一个新的方向。
（10）基于矢量运算的遗传编程符号回归技术。建立数据之间显性数学表达是从材料数据中萃取知识的有效途径，将矢量运算引入到传统的符号回归算法，提出了基于矢量运算的材料数据遗传编程技术，将领域知识和量纲分析引入到符号回归计算，实现了领域知识引导的材料经验公式的有效回归（如图10(a)所示）。将其应用于具有NaCl 结构材料带隙的经验公式回归，回归出了满足量纲分析、具有物理可解释性的NaCl结构材料带隙的经验公式： （为与结构有关的系数，，分别为Martynov & Batsanov电负性和晶胞电子密度），经验公式的预测结果与实验值吻合很好[55]（如图10(b)所示）。利用机器学习的特征工程技术，通过特征构造-相关度分析-重要性排序等多步骤和多模型特征筛选，筛选出了影响高熵合金固溶强化的重要特征参量，结合固溶强化模型，提出了高熵合金硬度的经验公式：（其中Z为拟合值，G代表合金剪切模量，εXr(ΔHmix)为考虑原子对结合倾向的合金电负性差，该经验公式的预测值与实验值吻合很好，精度优于基于理论模型的公式[56]，如图10(c)所示。
 
 图 10 基于遗传编程（GVP）的材料数据符号回归技术(a) 基于矢量运算的符号回归策略，(b) 符号回归建立的NaCl结构带隙公式预测值与与实验值的对比，(c) 特征工程和固溶强化理论得到的高熵合金强度公式预测值与实验值的对比，以及与已有模型预测值对比。 

（11）材料显微组织结构分析、重构与表征技术。快速有效地提取显微图像中的关键信息是建立材料组织-性能关联关系的重要手段，基于机器学习和人工智能理论，采用卷积神经网络技术，研发出了面向材料显微图像拼接、分割、修复和三维重构技术，可有效提取超大尺寸的材料显微图像的材料学特征；研发了基于风格迁移的显微图像数据增强方法，将真实图像纹理信息迁移到计算模拟图像，生成具有真实图像纹理信息和模拟图像晶粒结构信息的合成图像，可以有效提高深度学习模型在真实图像分析中的准确性（如图11所示），仅用35%的真实数据就可达到100%真实数据训练的模型性能[57]。
 图11 材料显微图像数据增广技术路线[57]
 
（12）材料科技文献文本挖掘技术。研发出了基于规则的命名实体识别方法和适用于小样本语料的启发式多重关系提取算法，建立了小样本语料材料科技文献中自动挖掘结构化数据的自然语言处理流水线，如图12所示，通过科技文献自动下载-语料预处理-句子分类-命名实体识别-关系抽取等环节，可以挖掘出包括合金名称、性能名称、性能值的元组信息，并可将其编译成结构化数据集。将其应用于高温合金文献数据的自动抽取，仅耗时约30分钟，可实现从8917篇高温合金文献中自动抽取1258条包含’溶解温度、密度、固相线和液相线温度的数据，高温合金命名实体识别F1指标达92.07%，性能抽取平均F1指标达77.92%[58]。
图12 高温合金科技文献文本挖掘流程图[58]

3.2新材料发现与性能提升

我国科学家应用材料基因工程的方法和技术在新材料前沿基础研究、新材料设计与发现、性能优化与提升等方面取得显著进展。
（1）应用材料组合制备技术，结合X射线衍射高通量结构表征和电阻测量技术，研发出国际上玻璃转变温度最高(1162 K)、强度最高(1000 K时达3.7 GPa)、具有良好热塑成形性能的新型高温块体金属玻璃 Ir-Ni-Ta-(B)，如图13[59]所示，颠覆了金属玻璃领域60年来“炒菜式”的研发模式，证明了材料基因工程方法的先进性和高效率，成为新型合金材料高效率研发的典型范例[59]。
（2）研究发现二维结构范德华半导体InSe在单晶块体形态下具有超常规的塑性和巨大的变形能力，既拥有传统无机非金属半导体的优异物理性能，又可以像金属一样进行塑性变形和机械加工，在柔性和可变形热电能量转换、光电传感等领域有着广阔的应用前景[60]
（3）利用材料高效表征技术，发现TiZrHfNb高熵合金中间隙元素存在化学短程有序，促进了富(O, Zr, Ti)原子复合物的形成，有序间隙化合物改变位错剪切模式，从平面滑移变成波形滑移，并增强双重横向滑移，同时提升材料强度和延展性；在TiZrHfNb高熵合金中掺杂2% (原子分数)的氧，合金强度增加48.5%、延性增加95.2%，为金属材料的增强增韧设计提供了全新的思路[61]。
（4）利用梯形试样的透射电镜原位加载实验和图像三维重构技术，实验证明了锥面位错是Mg中有效的塑性载体，通过提高应力和减小晶粒尺寸，促进锥面位错形核和滑移，提高Mg的塑性，为完善Mg的塑性变形理论提供了重要的实验证据，为高塑性镁合金的开发提供了新的技术途径[62]。
（5）采用原位同步辐射X射线衍射和电子显微镜高通量表征技术，发现高压变形镍纳米晶的强度随晶粒尺寸的减小而持续升高，当晶粒尺寸减小到3 nm时，镍超细纳米晶的屈服强度高达4.2 GPa (是商业镍的10倍)；提出了高压细晶强化新机制，为制备超高强金属材料开辟了新的方向[63]。
图13 材料基因工程方法发现新型高温块体金属玻璃Ir-Ni-Ta-(B)[59](a) 新型块体金属玻璃的组合制备，(b) 新型块体金属玻璃的高通量表征，(c) 高温块体金属玻璃的过冷液相区温度(Tx-Tg)和玻璃化转变温度(Tg)分布，(d) 高温块体金属玻璃与高温结构材料力学性能
 
（6）发展了自动计算材料拓扑性质的新方法，根据晶体材料能带中高对称点能带的对称性，预测了拓扑不变量的部分甚至全部信息，在近4万种材料中发现了8000余种拓扑材料，十几倍于过去十几年间找到的拓扑材料总和，为发现新拓扑材料提供了理论依据和重要线索[64]。
（7）基于对称指标理论，发展了新的高效寻找拓扑材料的理论方法，系统地搜索了庞大的材料数据库，发现了大量拓扑材料，为未来开发下一代电子设备用拓扑材料提供了可能性[65]。
（8）利用高通量制备技术，通过Na与Ag的合金化和Bi的痕量掺杂，实现了高效稳定非铅双钙钛矿Cs2AgInCl6单基质白光发光，突破了白光荧光粉近半个世纪的效率瓶颈，厘清了自限域激子在双钙钛矿中的发光机制，为非铅钙钛矿发光材料的研究提供了新思路[66]。
（9）采用高通量物性计算和数据驱动的机器学习，以及高通量单晶和薄膜生长和光电测试技术，研发出更高效、更稳定的有机无机杂化平面结构钙钛矿太阳能电池，转换效率2017年达20.9%，2018年达23.3%，连续两年居全球同类电池中最高效率[67]。
（10）应用材料基因工程原位高通量实验方法，结合电化学石英晶体微天平定量、原位测量的特点，以及原子力显微镜的原子精度形貌表征技术，在常规电解质中研究了纳米石墨电极上固体电解质(SEI)膜的形成过程，首次定量观察并提出了SEI形成机制，为设计更高性能的SEI膜，提高锂电池性能提供了理论基础[68]。
（11）运用现代大科学装置高效表征方法，原位研究了充放电过程中物质结构演化、过渡金属溶解与循环稳定性的相关性；以尖晶石锰酸锂LiMn2O4作为模型系统，对正极材料的结构演变与过渡金属溶解现象，以及循环稳定性进行了深入的探究，提出了抑制结构不可逆演变的措施[69]。
（12）相场理论与高通量计算相结合，构建了电热耦合击穿模型，用于定量计算聚合物基电介质介电击穿的热效应，优化设计了三明治叠层结构的高能量密度聚合物基纳米复合材料，储能密度提高2.44倍；基于高通量计算筛选，制备出了P(VDF-HFP)- Al2O3复合电介质，击穿场强提高43%[70]。
（13）通过计算模拟与电镜实验，研究了通过远程调控外延生长优化金属卤化物钙钛矿薄膜和VO2薄膜的结构和性质，揭示了远程调控外延生长中薄膜与衬底的弱相互作用和薄膜中低缺陷密度的机制，为设计和提高光电功能器件的性能提供了理论指导[71]。
（14）基于材料基因工程技术，通过高通量计算筛选及实验验证，获得具有优异抗肿瘤活性的纳米羟基磷灰石粒子，体外肿瘤细胞增殖抑制率>60%，体内肿瘤组织生长抑制率>70%；与骨诱导性多孔钛支架复合，研发出具有抗肿瘤活性的新型骨再生修复材料[72]。

4 未来发展方向建议

材料基因工程未来发展将围绕高端新材料研发、产业升级换代、提升自主保障能力和原始创新能力等重大需求，重点开展材料计算基础和专用软件、材料人工智能技术、材料高通量自主实验装备等研发，建设一批材料基因工程创新平台，支撑高端材料产业的创新发展；通过分散建设与维护、集中管理与共享，实现材料数据的整合与集成、挖掘与深度服务，形成材料创新发展的数据体系；大力推广材料基因工程的新思想、新理念、新技术和新模式，实现规模化的工程应用，促进高端新材料研发与应用的全链条产学研用高效协同创新；构建以材料科学理论、计算材料学、材料信息学等有机融合的材料学科教育新体系和人才培养新模式，培养和造就一批具有材料基因工程新思想、新理念，掌握新方法和新技术的综合型创新人才队伍，为新材料的发展奠定人才基础和优势。

5  结语

材料基因工程研究在世界范围内快速发展，极大地推动了材料科技领域前沿共性关键技术和前沿新材料的研究，促进了材料产业的升级换代和材料研发模式的变革；材料基因工程的新理念、新方法和新技术体系逐渐形成，对材料领域发展的变革性作用正在彰显。在国家重点专项的带动下，我国材料基因工程领域快速发展，产出了一批原创性的基础理论和关键技术，研制出了一批具有自主知识产权的装备，一批研究成果获得工程化应用，为提升材料科技前沿领域的研究水平和地位打下了坚实的基础。
节选自《中国新材料研究前沿报告2020》。

第一篇　总论/ 001 
第1章　我国新材料基础研究的现状、机遇与挑战/ 002 

第二篇　前沿新材料/ 015 
第2章　拓扑电子材料/ 016 
第3章　六元环无机材料/ 036 
第4章　有机光电功能半导体分子材料/ 064 
第5章　梯度纳米结构材料/ 082 
第6章　柔性超弹性铁电氧化物薄膜/ 098 
第7章　集成电路用碳纳米管材料/ 113 
第8章　新一代分离膜材料：二维材料膜/ 135
第9章　材料素化/ 154 

第三篇　战略新材料/ 169 
第10章　空间材料科学研究/ 170 
第11章　生物医用纤维材料/ 194 
第12章　钙钛矿发光、光伏及探测材料/ 211 
第13章　新型超高强度钢及其强韧化设计/ 229 
第14章　存储器芯片材料/ 247 
第15章　先进半导体关键器件材料/ 278 
第16章　热电能源材料/ 295 
第17章　燃料电池氧还原催化关键材料/ 314 

第四篇　基础创新能力提升/ 335 
第18章　材料基因工程关键技术与应用/ 336 
第19章　基于先进同步辐射光源的金属材料研究与创新平台建设/ 360 
第20章　基于透射电镜的原位定量测试技术及应用/ 388 

请关注”今日新材料“后，进入平台留言，说出你想要看到的文章，今日新材料会在第一时间反馈。

您可能也对以下帖子感兴趣

文章有问题？点此查看未经处理的缓存