非金属材料的前世今生

  来源｜中科院之声（zkyzswx）编者按：中科院之声与中国科学院上海硅酸盐研究所联合开设“科普硅立方”专栏，为大家介绍先进无机非金属材料的前世今生。我们将带你——认识晶格，挑战势垒，寻觅暗物质，今古论陶瓷；弥补缺陷，能级跃迁，嫦娥织外衣，溢彩话琉璃。

被戏称为诺贝尔“理综奖”的化学奖今年再度授予给生物学家，以表彰她们对新一代基因编辑技术的贡献。生物基因是生物体内携带遗传信息的DNA片段，影响甚至决定着生物体的生长发育、衰老病死等所有生理过程。生物基因工程则是在分子水平上对基因进行重组，改变生物原本的遗传信息，旨在按需设计新品种和产生新产品。那么，同样是由微观粒子（原子、分子、离子等）构成的材料，是否也存在决定材料性能的“基因”呢？人们能否利用材料基因工程技术，按需设计特定性能的材料呢？

材料基因工程

答案是肯定的，而且已经引起各国的重视。早在2011年，美国联邦政府率先启动了一项名为“材料基因组计划”（Materials Genome Initiative, MGI）的研究计划，通过先进实验和计算技术和数据共享等方式，加速新材料的发现，缩短材料研发周期，同时降低成本。同年年底，中国科学院和中国工程院召开了香山科学会议研讨“材料科学系统工程”，并由徐匡迪院士、顾秉林院士、陈立泉院士和张统一院士等学者提出启动中国的“材料基因组计划”。此外，其他国家和地区，例如欧盟、日本和俄罗斯等也相继启动类似的材料研究计划。

图1 美国材料基因组计划框架（图片来自网络）

虽然“材料基因”一词经过多年的探讨，但是至今依旧没有明确的科学定义，其复杂性就可见一斑。相比生物基因仅由几种核苷酸排列而成，材料组成和结构显得更加复杂，材料基因工程的研究也更具有挑战性。传统的科学研究范式可能并不能满足快速解码材料基因图谱的需求，因此材料信息学就应运而生。

人工智能+材料科学

在了解材料信息学之前，我们首先需要对材料科学研究四大范式的发展脉络有整体的认识。四大范式包括，实验试错、理论推演、模拟计算和数据科学。

新材料的研发最传统的方式是实验试错法，即通过改变材料成分、合成手段、工艺参数等条件制备系列样品，选出其中性能最合适的材料。很显然，试错法存在效率低、成本高、研发周期长等缺点，因此往往被戏称为“炒菜法”，但是多年以来也为材料科学积累了大量的数据和经验法则。

理论推演则是在对自然有充分认识、掌握足够多的规律之后，科学家将自然现象抽象成数量关系，构造数学模型，并在模型预测的指导下研发材料。然而，由于实际问题往往相当复杂，理论模型的建立需要采用近似处理方法，因而不可避免地存在偏差和局限。随着电子计算机的发展，科学家可以依据更本质的物理定律，对复杂过程进行多空间尺度模拟，从而定向设计材料成分、结构和性能。即便如此，模拟计算需要基于理论框架和依赖参数设置，因此计算结果与实验结果大相径庭的情况时有发生。

材料信息学一改以往研究范式对经验和理论模型的依赖，直接针对可能与目标量相关的数据，分析其中统计关联性，再从中研究材料成分、结构、工艺和性能之间的物理内涵。这种由数据驱动的方法借助如今快速发展的大数据和人工智能方法，从大量、复杂的变量集合中提取决定性因素，构建数据之间的定量关系，指导新规律的发现和新材料的快速研发。

图2 科学研究四大范式（图片来自网络）

说白了，材料信息学可以简单地认为是“人工智能+材料科学”。提起“人工智能”，你可能会想起几年前的围棋人机大战：围棋世界冠军柯洁完败。人类冠军低头拭泪，痛苦感叹“它太完美，我看不到任何胜利的希望”的场景依旧历历在目。在柯洁战败之前，“AI+”早已引起学术界的重视。2016年1月27日“AI+围棋”登上顶尖科学期刊《自然》封面，报道了谷歌 Deep Mind 的人工智能系统阿尔法围棋（Alpha Go）完胜欧洲围棋冠军。同年5月4日，“AI+材料科学”也登上了《自然》封面，报道了材料科学领域的“人机大战”。这项研究由哈弗福德学院（Haverford College）主导，针对一种有机-无机杂化材料的水热合成反应，通过机器学习方法从大量成功和失败的实验数据中发现规律，并建立判断反应能否成功的预测模型。机器学习模型成功率高达89%，高于有经验的化学家的人工判断78%。这项报道充分展示了人工智能在材料科学研究中的强大潜力，掀起了“AI+材料科学”的浪潮。

图3 Nature封面文章：“AI+围棋”和“AI+材料科学” （图片来自网络）

“数据困境”与破解之法

两场“人机大战”之中，战胜人类棋手的Alpha Go背后主要利用了深度神经网络，战胜人类化学家的预测模型背后主要是支持向量机，它们都属于机器学习方法。机器学习是实现人工智能的一类方法，其基本过程是采用程序算法利用大量的数据进行建模训练，从数据中学习规律，最终对未知事物做出决策和预测。机器学习方法研究材料科学一般分为数据集构造、数据预处理、数据降维、模型训练、模型测试与评价等步骤。其中，数据集构造是首要步骤，数据收集是材料信息学的重点和难点。你或许会疑惑，数据收集不是很简单吗？我们只需要在购物app内点击某件商品，在新闻app内浏览某条新闻，在地图app内搜索某个地点……我们在互联网上的一切行为，每时每刻都在都转化为数据被收集。然而，在材料科学领域，获取一个数据可能意味着几个小时的模拟计算，几天的材料制备，几周的循环测试……因此，材料学的数据很难成为“大数据”，至少现阶段只能是“小数据”。正是由于数据量小，数据偏差和噪声对模型的影响将会十分显著。机器学习的算法再优化，计算机的算力再提升，我们手里只有稀疏、高维、有偏差和带噪音的数据，材料信息学将面临“巧妇难为无米之炊”的困境。

图4 机器学习方法研究材料科学的基本流程（图片来自网络）

破解“数据困境”需要从两个方面着手：生产和流通。在数据生产方面，随着各国有关材料基因工程的项目推进，高通量实验和计算快速发展，对数据的标准化和高效产出有非常积极的作用。在数据流通方面，国外的Materials Project以及我国的Atomly等数据库免费开放大量的计算数据，便于数据共享。哈弗福德学院建立了“黑暗反应计划”（Dark Reaction Project）平台，鼓励研究者们在发表“成功的”数据之后，再将不发表的“失败的”数据上传到平台，以供机器学习模型对化学反应进行更加深入的分析。借助高通量、数据库、互联网等新技术加速材料数据生产和流通方兴未艾，这个时代留给了材料人大展拳脚的广阔舞台。

我们不妨畅想未来的材料实验室成为“数据工厂”的那天：智能化的实验机器人，严格标准化的样品制备和测试表征，完全电子化的实验记录，融合物联网的内部即时数据共享平台，融合区块链技术的国际数据交易平台，以及更加先进的处理和分析数据的人工智能方法。我们材料人将会从“磨金相、守炉子、过柱子”，甚至复杂的数据分析之中解放出来，转型为“开发者”、“合作者”和“研究者”。“开发者”负责AI算法和智能化实验机器的开发与维护；“合作者”熟悉编程和材料研究的两套逻辑和语言，促进“开发者”和“研究者”的沟通交流；“研究者”捕捉行业痛点，提出科学问题，创新研究思路。到那一天，或许我们能够解码出材料基因图谱，每一位材料人都能像钢铁侠一样帅气地研发材料。

参考文献：

1. Agrawal A, Choudhary A. Perspective: Materials informatics and big data: Realization of the “fourth paradigm” of science in materials science[J]. APL Materials, 2016, 4(5):053208-1-10.

2. Liu Y, Zhao T, Ju W, et al. Materials discovery and design using machine learning[J]. Journal of Materiomics, 2017, 3(3).

3. Dima A, Bhaskarla S , Becker C , et al. Informatics Infrastructure for the Materials Genome Initiative[J]. JOM - Journal of the Minerals, Metals and Materials Society, 2016, 68(8):2053-2064.

4. Anubhav J, Shyue P O, Geoffroy H, et al. Commentary: The Materials Project: A materials genome approach to accelerating materials innovation[J]. APL Materials, 2013, 1():011002-1-11

5. Hanoch S, Alexander T. Materials Informatics. Journal of Chemical Information and Modeling 2018 58 (7), 1313-1314

6. 施思齐，徐积维，崔艳华 等. 多尺度材料计算方法[J]. 科技导报, 2015, 33(10):20-30

责任编辑：xj

原文标题：材料信息学：解码材料基因图谱丨科普硅立方

文章出处：【微信公众号：中科院半导体所】欢迎添加关注！文章转载请注明出处。