通訊作者：孫志梅，北京航空航天大學(xué)

作者：祝令剛，周健

機(jī)器學(xué)習(xí)驅(qū)動了材料科學(xué)研究范式的迭代。在材料的快速發(fā)現(xiàn)以及自主化智能實(shí)驗(yàn)室建立方面，機(jī)器學(xué)習(xí)已展現(xiàn)出巨大的變革能力。機(jī)器學(xué)習(xí)應(yīng)用于材料科學(xué)已有大量的研究論文和綜述報(bào)道，本文以機(jī)器學(xué)習(xí)的“原料”–材料數(shù)據(jù)問題為切入點(diǎn)，探討如何進(jìn)一步釋放機(jī)器學(xué)習(xí)加速材料研發(fā)的巨大潛力。首先，本文總結(jié)了材料數(shù)據(jù)的高通量產(chǎn)生、標(biāo)準(zhǔn)化存儲以及面向機(jī)器學(xué)習(xí)的數(shù)據(jù)表征方面的最新進(jìn)展。接著，著重展望了未來材料數(shù)據(jù)問題的挑戰(zhàn)和機(jī)遇，包括經(jīng)典的大數(shù)據(jù)5V (volume, velocity, variety, veracity, value)問題、3M (multicomponent, multiscale, multistage) 挑戰(zhàn)、實(shí)驗(yàn)和計(jì)算數(shù)據(jù)的協(xié)同挖掘、面向可移植/可解釋性機(jī)器學(xué)習(xí)和因果機(jī)器學(xué)習(xí)的材料數(shù)據(jù)科學(xué)問題。

當(dāng)前材料研究廣泛采納“高通量”方法，相關(guān)論文發(fā)表數(shù)和引用數(shù)近年來快速增長 (圖1(a))，衍生出了高通量計(jì)算、高通量實(shí)驗(yàn)制備和高通量實(shí)驗(yàn)表征方法 (圖1(b)-(d))。

圖 1. 近十年材料科學(xué)領(lǐng)域中以“高通量”或“組合方法”為主題的論文數(shù)和引用數(shù)，以及高通量計(jì)算、高通量制備和高通量表征圖示（b-d圖出處請參考論文原文）。

高通量技術(shù)產(chǎn)生的大量數(shù)據(jù)、文獻(xiàn)中已報(bào)道的數(shù)據(jù)（可通過程序自動提取）以及模型算法（結(jié)構(gòu)預(yù)測方法、機(jī)器學(xué)習(xí)訓(xùn)練模型、逆向設(shè)計(jì)方法等）產(chǎn)生的數(shù)據(jù)共同構(gòu)成了材料數(shù)據(jù)庫的主要數(shù)據(jù)來源（圖2）。最近10年，全球范圍內(nèi)開放共享的材料數(shù)據(jù)庫快速發(fā)展。結(jié)構(gòu)和非結(jié)構(gòu)化的原始材料數(shù)據(jù)可通過數(shù)據(jù)表征轉(zhuǎn)化成計(jì)算機(jī)可直接處理的數(shù)據(jù)，目前針對材料的原子結(jié)構(gòu)、微觀組織形貌等均已發(fā)展了對應(yīng)的數(shù)據(jù)表征方法。

圖 2. 材料數(shù)據(jù)庫的主要數(shù)據(jù)來源

首先材料科學(xué)數(shù)據(jù)也有類似大數(shù)據(jù)的5V問題，只是在具體含義上有所不同。材料科學(xué)的數(shù)據(jù)量通常較少，因此小樣本機(jī)器學(xué)習(xí)算法、數(shù)據(jù)增強(qiáng)技術(shù)等較受歡迎。材料數(shù)據(jù)還面臨極端條件下實(shí)時(shí)快速采集、不確定性分析、大量“不成功”實(shí)驗(yàn)數(shù)據(jù)的收集和挖掘等問題和挑戰(zhàn)。多元材料在工程應(yīng)用中有重要作用，多元材料尤其是高熵材料具有龐大的成分空間，需要更高效的數(shù)據(jù)產(chǎn)生和挖掘技術(shù)；從電子、原子到晶相、界面、裂紋等，不同空間尺度的基本單元對材料性能均有重要影響，這些不同空間尺度的單元及其對應(yīng)的不同時(shí)間尺度的動力學(xué)過程增加了材料研究和數(shù)據(jù)獲取的難度；同時(shí)材料的全生命周期包含了“設(shè)計(jì)-制備-測試-服役-回收”多個(gè)階段，特定材料全生命周期的數(shù)據(jù)采集十分困難，但這卻是面向真實(shí)服役環(huán)境下材料可持續(xù)研發(fā)的基礎(chǔ)。為此，本文提出了多組元、多尺度和多階段（3M）的材料數(shù)據(jù)挑戰(zhàn)，并探討了多元材料數(shù)據(jù)原位采集和存儲的一體化、集成計(jì)算材料工程技術(shù)、以及學(xué)術(shù)界和工業(yè)界數(shù)據(jù)的共享和流動等解決方案。

圖 3. 材料的多元、多尺度和多階段（multicomponent, multiscale, multistage, 3M）數(shù)據(jù)挑戰(zhàn)，（b圖出處請參考論文原文）。

計(jì)算模擬是繼實(shí)驗(yàn)和理論之后材料研究的第三種范式，材料計(jì)算模擬在解釋材料性能機(jī)理（understanding）以及新材料預(yù)測（prediction）方面發(fā)揮著舉足輕重的作用。計(jì)算模擬和實(shí)驗(yàn)技術(shù)在不同空間和時(shí)間尺度的材料問題研究中相輔相成（圖4）。然而多數(shù)情況下計(jì)算模擬獲得的或者是提供給實(shí)驗(yàn)工作者的往往是某種變化趨勢或者性能優(yōu)異的候選材料，而非數(shù)據(jù)本身，主要原因是計(jì)算和實(shí)驗(yàn)得到的物理量的具體數(shù)值往往存在差異。不斷縮小計(jì)算和實(shí)驗(yàn)數(shù)據(jù)的數(shù)值差異，將有效推動材料數(shù)據(jù)的快速積累和高效挖掘。未來，計(jì)算模擬層面，在多體相互作用、真實(shí)環(huán)境下材料行為的控制方程等方面需要取得突破；而在實(shí)驗(yàn)層面，需要更高空間分辨率和更高效的大時(shí)間尺度的材料研究裝備。

圖 4. 不同尺度下材料計(jì)算和實(shí)驗(yàn)方法及其產(chǎn)生的數(shù)據(jù)

最后，文章討論了可移植機(jī)器學(xué)習(xí)（模型適用于更多材料和場景）、可解釋機(jī)器學(xué)習(xí)（含有材料知識的數(shù)據(jù)輸入或輸出）中的數(shù)據(jù)問題。特別指出最近出現(xiàn)的結(jié)合因果推斷和機(jī)器學(xué)習(xí)優(yōu)點(diǎn)的因果機(jī)器學(xué)習(xí)可能為材料理論知識的發(fā)現(xiàn)以及材料的理性設(shè)計(jì)提供更多可能。

本文由北京航空航天大學(xué)孫志梅教授（通訊作者）團(tuán)隊(duì)完成，第一作者祝令剛副研究員，論文合作者周健研究員。孫志梅教授團(tuán)隊(duì)近年來圍繞材料的高通量計(jì)算、多尺度模擬和機(jī)器學(xué)習(xí)加速材料設(shè)計(jì)等領(lǐng)域進(jìn)行了系統(tǒng)研究，開發(fā)了材料高通量集成設(shè)計(jì)智能平臺ALKEMIE，近期相關(guān)成果發(fā)表在ACS旗下的JACS ( J. Am. Chem. Soc. 2022, 144, 5878-5886), JPCL (J. Phys. Chem. Lett. 2022, 13, 3965-3977), ACS AM&I ( ACS Appl. Mat. Interfaces 2020, 12, 45184-45191)等期刊。