材料基因工程（MGE）是材料领域的颠覆性前沿技术，将对材料研发模式产生革命性的变革，全面加速材料从设计到工程化应用的进程，大幅度提升新材料的研发效率，缩短研发周期，降低研发成本，促进工程化应用。
随着全球科技的飞速发展，面向未来的科技战略成为推动先进材料创新与应用的重要动力。“强国战略”驱动材料基因工程融合创新加速关键材料工程化的政策与行动纲要与中国人工智能发展与应用的战略规划路线如图1所示，从1945年美国发布的《科学：无尽的前沿》报告到2020年发布的《无尽前沿法案》体现了这一历史进程。
图1 “强国战略”驱动材料基因工程融合创新加速关键材料工程化的政策与行动纲要与中国人工智能发展与应用的战略规划路线
近年来，材料基因工程推动了大数据和人工智能与材料的深度融合，催生了材料智能技术，正在推动材料大数据和人工智能等基础设施的建设，预期实现关键材料及产业的数据链、工具链、创新链、产业链、教育链、人才链融合的创新发展。世界各国在人工智能赋能新材料发展领域已发布系列战略规划，如图1和图2所示。
图2 欧盟《人工智能大陆行动计划》5大关键领域的规划及核心战略
材料基因工程变革传统研发流程和范式，激发人工智能赋能新材料全链条与全寿命周期研发链核心关键技术和产业的发展。图3中材料基因组计划（MGI）提出改变传统的单向、单流程、逐一递进研发模式，建立将新材料发现、性能优化、研发、系统设计与集成、产品认证、工业制造、工程化应用各环节融合的闭环迭代新架构，在新材料研发的每一个阶段与产品应用结合起来。
材料基因工程对传统材料研发流程的重构，不仅是将各个环节简单地连接在一起，而是通过引入新的技术和理念，实现研发效率的大幅提升，全面提升先进材料从发现到应用的速度。在新材料研发方面，MGE高通量计算、高效实验、数据库等关键技术激发了“知识赋能−数据驱动”的智能研发范式革新，极大促进了AI技术在AI4Materials、AI4Science和AI4Research等交叉融合领域与工程应用领域的发展。
现有研究表明，基于机器学习与深度学习技术并融合领域专家知识的材料发现方法，在钙钛矿型、染料敏化型及有机太阳能电池等新型光伏材料的研发中取得显著进展。材料基因工程变革传统研发流程，促进人工智能赋能新材料全链条与全寿命周期研发链核心关键技术和产业发展，形成“理论重构、技术赋能、产业牵引”三位一体发展范式。
图3 材料基因工程变革传统研发流程并形成“理论重构、技术赋能、产业牵引”三位一体发展范式
当前，新一轮科技革命与产业变革蓄势待发，全球新材料产业竞争格局正在发生重大调整。例如，基于高通量计算关键技术的发展，在材料性能预测方面，MGE大力发展了利用量子力学、分子动力学等理论，能够预测材料的热力学性质、动力学性质、导电性、导热性、强度、疲劳、蠕变等基本物性和使役性能（图4），揭示成分—工艺—结构—性能—服役全寿命周期关键参量的关系，为新材料的筛选、设计和制备提供了理论依据和技术支撑，极大地减少了研发成本和时间，加速了新材料研发进程。
图4 人工智能赋能不同时间−空间尺度材料性质的计算方法
目前，中国自主开发的开源第一原理软件原子算筹（ABACUS）已用于大规模电子结构计算、原子结构优化及分子动力学模拟，主要性能指标达到或超越国际同类软件水平。
在介观尺度上，动力学蒙特卡洛模拟弥补了原子尺度与连续介质尺度之间的空白，模拟材料中的化学反应与其他随机过程，帮助研究表面反应与催化等现象。
在宏观尺度上，有限元分析和有限差分法工具，如ANSYS、Abaqus和COMSOL，求解描述材料在加载条件下的行为，广泛应用于工程优化和材料响应预测。
这些经典计算方法为研究人员提供了多尺度的强大工具，推动了新材料的开发，特别在能源、航空航天、电子和生物医学等领域取得了显著进展。
人工智能关键技术（特别是LLM）的爆发式创新，极大地推进数字现代化与软件自动化和自主化进程，形成了数据模型化−模型算法化−算法软件化的“软件智能工程”自适应、自主化发展的新范式，提升了模型−算法−工具的开发效率，丰富了功能和创新性，极大优化用户体验。
以生成式AI为代表的新兴技术正在深度重塑软件开发生命周期（涵盖规划、测试、部署与维护全流程）中的工程能力边界：
一方面通过技术赋能显著提升开发效率，使复杂业务流程可简化为单一指令操作；
另一方面大幅降低技术准入门槛，使非技术背景人员也能参与应用程序构建。
集成计算材料工程（ICME）通过整合计算建模、实验验证和工程设计，采用多尺度建模技术将原子尺度到宏观尺度的物理过程统一起来，使研究人员能够在材料制备和产品制造前优化工艺参数并预测产品性能。其中，与高通量计算、数据库和科学装置相结合而发展的原位和实时高通量实验制备与表征技术将极大促进新原理、新方法和新技术的突破，并进一步提供跨尺度和宽时域的重要数据基础和技术支撑。
AI技术的融合为ICME提供了新的解决方案，在多尺度建模领域，AI赋能的ICME系统能够整合跨尺度数据并自动优化模型参数，大幅提高了模型的预测精度和适用性。如图5所示，先进材料的智能设计与制造范式正从基于知识和数据驱动的ICME方法逐步演进至“AI+”时代，推动材料设计从“设计材料”到“用材料进行设计”的转变，并驱动AI+范式从“嵌入式AI”向“协作式AI”及正在发展的“AI智能体”阶段快速演化。
图5 人工智能赋能时代背景下先进材料智能设计与制造范式从“材料设计”向“用材料进行设计”的范式转变驱动AI+范式从嵌入式AI、协作式AI到当前发展的AI智能体的跨越式发展
值得一提，数字孪生作为实现信息世界与物理世界实时交互的关键技术，已成为飞机、高铁和发动机等智能装配和制造的核心技术。随着大语言模型和生成式AI技术的发展，AI在加速材料发现与制造中的贡献将从嵌入式AI模式的约30%提升至协作式AI模式的50%，甚至可能达到AI智能体模式的80%。
随着生成式人工智能的普及，设计人员和工程师正在寻找新方法以探索更多的设计可能性。其中，CATIA（计算机辅助三维交互式应用）提出了一种不同的生成式人工智能方法，该方法基于根据行业特定数据开发的模型，这些模型是根据行业流程的知识和专业技术生成的，将上市时间提速高达300%，将质保成本降低10%，通过标准化和模块化将重用率提升至80%。
在知识驱动的集成计算材料工程时代迈向人工智能赋能（AI+）时代的转型过程中，智能设计与制造的范式将迎来从“设计材料”到“用材料共创”的深刻变革，这必将推动整个产业向更高层次的智能化与创新迈进，促进中国制造业向“创造”、“质量”和“品牌”的发展迈进。
数据是未来知识型生产的原料和基石。美国主导形成的“数据−算法−工具链”闭环逐步成为了全球新材料研发的主流技术，并且建立技术−标准−政策体系，将美国置于全球新材料创新网络的根服务器位置。美国和欧洲主导的材料数据互操作性标准等方式将成为新一代材料智能化研发技术上的准入壁垒。随着材料基因工程发展，区域化材料创新联盟和平台型企业正在兴起。这种区域化联盟的兴起，进一步加剧了全球新材料产业链的分化。
面向新质生产力发展需求，可以发现中国材料数据有效资源匮乏，发展水平与西方国家差距巨大，是材料领域短板中的短板，严重掣肘了关键材料“卡脖子”问题的解决，制约着材料科技原始创新能力提升和材料产业升级换代与智能化发展，成为影响材料智能化创新发展的最大瓶颈。材料数据体系建设对于补齐新材料产业发展的基础技术短板和持续创新能力短板，抢占新材料发展先机，显著加速新材料的研发和应用进程，推动新材料科技的变革和产业的跨越式发展具有重大的战略意义。
人工智能成为经济发展的新引擎。中国经济发展进入新常态，深化供给侧结构性改革任务非常艰巨，必须加快人工智能深度应用，培育壮大人工智能产业，为中国经济发展注入新动能。如图6所示，材料基因工程数据库和大数据技术赋能新一代智能智造业务场景，极大降低了研发周期、成本、质量偏差、故障率等关键业绩指标，并提高设备运行效率、质量、设备综合效率等。
图6 数据库和大数据技术赋能新一代智能智造业务场景的关键业绩指标统计分析
同时，人工智能关键技术赋能发展新一代智能制造业务场景，极大地提高了劳动效率、研发技术转移的速度、机器效率、研发周期效率等关键业绩指标，并降低了废品率、产损率和检测成本等，如图7所示。
图7 人工智能关键技术赋能发展新一代智能智造业务场景的关键业绩指标统计分析
以数字孪生赋能工程应用和产业化发展为例，首先，“政产研”合力推动数字孪生上升为国家战略。其次，依托航空航天基础优势，探索形成了成熟的应用路径。再次，进行供给侧企业加快技术创新，利用新一代信息技术优化数字孪生应用效果。
中国发展人工智能具有良好基础，国家部署了智能制造等国家重点研发计划重点专项，印发实施了“互联网+”人工智能三年行动实施方案，从科技研发、应用推广和产业发展等方面提出了一系列措施。
基于结构材料基础，聚焦2040新兴产业8大领域和未来产业9大领域发展需求，材料基因工程促进人工智能数据基础设施、材料大模型基座、新材料研发及其产业应用等关键核心技术创新（图8）。
图8 材料基因工程助力人工智能数据基础设施、材料大模型基座、新材料研发及其产业应用等关键核心技术创新
材料基因工程高通量制备和表征技术的发展，极大促进了高效能的数字化/智能化装备研发，进一步加速了工艺智能优化技术的迭代速率和效能，并促进关键成果与技术的工程化和产业化落地应用，形成了新材料中试平台建设的助推力。同时，AI辅助设计与制造已被视为一种强大的数据驱动型技术，数据+人工智能已经成为材料基因工程的核心。
在AI赋能的时代背景下，MGE聚焦高通量计算与自主计算、高通量实验与自主实验室、数据库与数据挖掘、机器学习与人工智能等材料基因工程与智能科学的主要关键技术，进行先进材料智能设计和智造的示例阐述；以大语言模型为基座，进行“知识+数据+算法”的问答式教学，促进教师从“知识传播者”向“系统架构师”转变，启发学生进行知识图谱和智能体构建，培养“知识赋能−数据驱动”的系统思维和决策能力，发展教学新范式，催生适应未来科技创新与产业需求的“跨界型”人才。
材料基因工程教育体系的革新，正在为国家科技创新提供持久动力。材料基因工程与智能科学的融合，正在以“理论重构、技术赋能、产业牵引”三位一体模式，重塑材料科学教育的底层逻辑。它不仅是单一学科的升级，更是一场涉及人才培养模式、科研范式、产业生态的系统性变革。
AI赋能MGE核心关键技术的发展与革新，极大地推进数字现代化与软件自动化和自主化进程，形成了数据模型化−模型算法化−算法软件化的“软件智能工程”自适应、自主化发展的新范式，提升了模型−算法−工具的开发效率，丰富了功能和创新性，极大优化用户体验。通过AI+MGE将助力完成“在基础理论、方法、工具等方面取得突破”，“集中力量攻克基础软件等核心技术”，“构建自主可控、协同运行的人工智能基础软硬件系统”的时代使命。同时，重点强调通过顶层设计、整体布局、统筹实施，建设新材料大数据中心，发展材料数据安全与协同网络，构筑独立自主的材料数据资源体系和共享机制，形成国家材料数据战略资源，发展材料大数据和人工智能颠覆性前沿技术，推动数据驱动的材料智能化创新发展，是实现引领国际材料前沿发展的技术基础，是提升材料科技和产业原始创新能力的源动力，也是提高材料新兴产业和智能制造发展水平的重要途径。
建设新材料中试平台将进一步提升新材料产业链与创新链融合发展，加速科学研究和技术开发成果产业化，促进产业发展模式从规模速度型向质量效益型和创新引领型转变，加快形成新质生产力，增强发展新动能，对全面提升新材料产业核心竞争力，构筑国际竞争新优势产生重大深远影响。
内容为【科技导报】公众号原创，欢迎转载
白名单回复后台「转载」
精彩内容回顾
《科技导报》创刊于1980年，中国科协学术会刊，主要刊登科学前沿和技术热点领域突破性的研究成果、权威性的科学评论、引领性的高端综述，发表促进经济社会发展、完善科技管理、优化科研环境、培育科学文化、促进科技创新和科技成果转化的决策咨询建议。常设栏目有院士卷首语、科技新闻、科技评论、专稿专题、综述、论文、政策建议、科技人文等。
