引言
材料显微组织及其中的原子排序决定材料的性能，就像人体细胞里的基因排列决定人体机能一样。美国在2011年6月提出“材料基因组计划”（Materials Genome Initiative），其核心是利用正在发展的高通量计算、高通量试验、大数据信息技术，寻找和建立材料从原子排列到微观组织形成直到材料性能与寿命之间的关系。材料基因技术建立的初衷是为解决军工领域新材料从开发到成熟应用周期跨度长（一般10~20年）、开发成本高的瓶颈，早期识别材料失效模式和性能局限，建立国防领域对高性能关键材料快速开发、可靠性应用的研发体系。
传统的军工材料研发与应用模式主要是以实验为主的“试错法”，周期长、效率低。随着大数据计算技术的发展，大部分材料的设计与性能评价可通过计算工具完成，不仅能深入理解材料的细节，也能逐步替代重复试验，减少对物理实验的依赖，从而加快材料研发与应用进程。大数据计算技术已在锂离子电池材料、光电材料、新型信息存储材料等领域得到成功应用，并逐步在各大工程领域推广。
2018 年，NASA发布《2040愿景：材料体系多尺度模拟仿真与集成路径》（Vision 2040: a roadmapfor integrated, multiscale modeling and simulation ofmaterials and systems），该项规划（以下简称NASA材料基因计算体系）是NASA针对材料基因计算的有效分解和具体行动路径。
本文对“NASA材料基因工程2040规划”中计算体系建设的目的、功能及关键技术进行阐述，并总结我国材料基因工程的实施及发展情况，倡导将材料基因工程理念延伸至航天材料的研制，针对航天材料基因工程总体方向、核心技术、发展路线提出思考，旨在对我国航天材料的发展提供借鉴。
构建材料基因计算体系的目的和愿景
NASA材料基因计算体系是基于过去10年所发展起来的高速计算方法、新材料表征测试技术以及近期发展的集成计算材料工程（integrated computational materials engineering, ICME）而提出的，将从体系和基础设施2个方面整体推进，打通材料到制造体系全链条模型和计算技术，实现利用材料计算化学驱动航天器部组件先进制造技术发展的总体目标，创建航天器产品-加工-材料体系并行设计、快速开发流程（参见图1）。
图 1 航天器产品-加工-材料体系并行设计快速开发流程
NASA 在项目支持下研究结构载荷材料多尺度模型对加快系统研发速度和降低成本所能起到的作用，以期利用结构材料基因计算协同解决：1）通过模型引导材料设计（例如复合基体、晶粒尺寸、编织结构）；2）依靠多尺度模拟计算预测材料设计对产品机械性能和可靠性的影响，优化工艺模型以获得微结构、纳米结构工艺设计等先进制造工艺参数；3）采用材料大数据处理以完成材料健壮性设计。
该项目实施过程中，基于大量的调研研讨、实际试验，由450名研究者共同总结出为打破材料科学和工程应用的链条需要协同发展的9大要素，即：计算模型和理论方法；多尺度测试表征工具和方法；优化和优化方法；决策与不确定度量化及管理；验证与确认；数据信息与可视化；工作流程和组织框架；教育培训；计算基础设施。《规划》分别对各要素的定义、包含的技术、2040年欲实现的目标、目前技术差距、发展建议措施以及要素之间关系进行阐述。随着计算技术的发展，预计到2040年，9大要素将从分散的技术发展状态发展成协调一体的综合计算技术能力，如图2所示。
图 2 NASA材料基因计算体系9大要素集成愿景
NASA预测未来通过9个要素协同环境的建设，新数据、数据分享、数据分析工具、先进建模能力、有效的协作能力、通用化标准方法将成为未来航天领域快速设计、低成本高效率制造的重要基础。预计2040年将实现5个主旨目标（见表1）。
NASA材料基因计算体系的功能及主题
8项功能
1 提升材料数据应用效率和计算设计工作能力
据调查，在美国材料数据中有40%的数据在一次性使用后即被丢弃。而通过材料基因计算体系建设，将确保数据不会丢失，并可自动淘汰重复或不确定的数据。该体系将通过免费共享数据资源，节省百万美元测试评价费用，并通过数据模拟计算实现材料的快速更新。
2 联盟化的信息操作体系结构和数据系统
NASA计算中心将利用可互操作的数据格式、文本、标准、协议，实现地域性分散的数据报告，包括公共和私有数据资源的互通应用。联盟化的信息操作体系将涵盖学术界、政府机构、企业、专业协会/贸易组织以及国家实验室等多项数据源（图3），进行融合互通应用
图 3 数据联盟比例
3提高工程投入回报率
不正确的材料数据及不合格的材料或系统模型极大影响政府机构和企业对计算工程工具进行重大投资的有效性。通过建立协作化的生态系统，提供可追溯、可预测的数据信息，提供已被证实或被验证的数据模型，以及可靠的时间和空间转化链接工具，从而实现精准设计制造需要的全链条式信息源的提供，提高投入回报率。
4集成型“智能”测试
利用杠杆模型和模拟计算，多目标优化方法与试验测试集成，形成“智能”测试系统。这有利于减少物理性的测试量，以节约成本和时间。
5多学科集成合作环境
通过体系建设，利用所建立的政策、组织、文化以及技术形成交叉工业体系模式，从而提升美国工程制造水平和竞争力。
6大幅度扩大设计空间和制造能力
运用先进的多尺度优化方法，包括概率论、制备路径依存优化等，模拟材料本征性能和工艺产品性能，进行结构优化，提升设计空间和制造能力。
7快速实现新设计应用
通过模型优化和计算能力的提升，实现从产品设计到制造、功能验证的一体化发展，促进新设计快速应用转化。
8培育高水平技术人员队伍
通过集成式的体系建设，技术人员在跨学科领域得到全面培养，设计仿真计算人员能够深入结合材料基础、工艺基础，依靠大数据应用，构建更为复杂的多尺度、跨尺度结构模型，材料设计、研发、应用技术人员可使用更为科学的计算技术实现材料到系统设计的快速革新。
10项主题
1数据处理
数据处理主要依靠数据的捕获、存储、分类，以及材料数据和数据元跟踪挖掘能力，涉及收集模式、体系化数据结构、原始数据处理与应用等。
2数据分析和可视化
数据分析和可视化是体现分析和表现数据的能力，涉及数据抓取和处理，人工智能，机器学习，以及不确定度量化。
3信息分享和再利用
信息分享和再利用关注的是内部系统在产品发展的寿命周期内所获得的并可运用的数据信息和信息流，涉及信息安全性和信息可利用性。
4跨学科合作
跨学科合作要构建符合各行业，包括工业、政府、学术等领域专家、技术人员等的综合利益。利用航天领域应用背景将目前分散的设计、计算、材料等组织联合构建形成合作平台。
5制度机制
通过打破政府、学术、工业等不同领域传统的文化、组织标准以及政策，逐渐融合从公司到大学的乃至人员队伍的可操作的制度和运行机制。
6商业案例
利用典型的应用案例，通过经济分析获得商业投资回报率。
7可测量和计算的效益
可测量和计算的效益包括计算速度、计算复杂性、多维需求满足性。主要包括复杂计算模型和计算方法的开发。
8联动与集成
联动和集成主要指非人工的集成，通过自动化方式处理复杂的模型、工具、设备、数据流和时空尺度，完成带隙兼容、集成和数据融合。
9输入输出置信度和可靠性
输入输出置信度和可靠性包含质量信息、变量要素、边界约束条件、不确定度等要素，以及通过模拟、工具和操作系统输出数据的准确性和鲁棒性。
10材料和结构行为
通过对材料、结构和工艺的有效认知，增强对材料性能与物理特征之间关系的科学理解，涉及测试表征、模拟响应、机理行为和制造环境。
综上所述，基于8项功能和10项主题，NASA构建的材料基因计算体系将在易实现性、高适应性、可互操作性、健壮性、可追溯性以及友好性方面大大提升航天材料设计与制造能力。
我国材料基因工程发展情况
2011 年7 月，中国工程院和中国科学院分别召开“材料基因组”研讨会，12月召开“材料科学系统工程”香山科学会议；2012年12月和2013年3月，中国工程院和中国科学院分别启动“材料基因组计划”重大咨询项目；2014年10月中国科学院向国务院报送《实施材料基因组计划，推进我国高端制造业材料发展》的咨询建议；2015年2 月，中国工程院向国务院报送《中国版材料基因组计划》的咨询建议。2016年，依据国务院《中国制造2025》、科技部《国家关键技术研究报告》、中国工程院《材料系统工程发展战略研究——中国版材料基因组计划咨询报告》，国家发展和改革委员会、教育部、工业与信息化部、中国科学院、中国工程院等联合编制《材料基因工程关键技术和支撑平台重点专项实施方案》，全面启动“材料基因组研究”专项研究计划，先后确定30余个重点研发方向。
我国材料基因组计划的目标是：融合高通量计算理论、高通量表征和制备技术、专用材料数据库3大技术，变革材料研发理念和模式，实现新材料研发由“经验指导实验”的传统模式向“理论预测+实验验证”的新模式转变；提升工程材料研发效率，降低研发成本，突破关键材料核心技术，促进高端制造业和高新技术的发展，为实现“中国制造2025”做出贡献。目前主要技术领域集中在以下3个方面：
1多尺度集成化高通量计算模型、算法和软件
研究高通量多尺度材料模拟的建模方法，开发适用于高通量计算的高置信度和协同多尺度模拟算法，包括大尺度体系电子结构算法、多尺度动力学算法、电子-声子-离子协同输运算法、微观-介观-宏观耦合算法等，发展以第一性原理为基础的量子力学-热力学-动力学-宏观力学高通量集成算法理论和软件。
2材料性能的多场耦合与跨尺度关联评价技术
研究多物理化学场耦合环境作用下工程结构材料微缺陷和损伤时空尺度演化的测试与模拟技术，建立多场耦合条件下材料微损伤演化跨时空尺度关联的高通量评价实验技术，获取材料损伤演化物理图像和规律，掌握工程结构材料与多物理化学场交互作用及耦合机理，建立材料损伤演化与破坏行为的多时空尺度理论模型。
3材料基因工程专用数据库和材料大数据技术
以支撑材料基因工程研究为目标，开展多层次跨尺度材料设计、高通量实验验证与表征专用数据库架构研究；开展材料复杂异构数据整合、管理与共享计算研究和标准规范建设，研发高通量计算、高通量实验与表征数据的高效处理与加工技术；运用云计算、大数据和机器学习等先进技术，开展多尺度材料计算与实验数据的关联分析、材料组织结构的高精度图像处理、非结构化数据挖掘等研究，建成材料基因工程技术专用数据。
航天材料基因工程促进我国航天器发展的思考
未来航天器发展和新技术挑战将对材料提出更高的要求。多星发射、轨道机动和深空探测飞行、可长时间在轨工作、可重复使用天地往返技术、高载荷轻量化技术、结构功能一体化需求，均将对材料提出更为严苛的挑战。把材料基因工程的理念纳入到航天材料研制全流程，根据航天器研制要求，提出航天材料的基本性能需求，利用高通量计算技术、高通量制备与表征技术和基于数据库的大数据技术，将极大加快材料研发速度，提高航天材料设计的成功率，降低航天器研制成本，并实现向航天器制造领域有效应用转化；打破航天材料传统的“设计→制备→评价→选用”循环试错来积累经验的模式，为宇航工程提供物资保障与技术支持。当前主要工作包括以下3个方面：
01 建立航天器从选材、设计到制造的数据流
航天器从设计选材到制造，主要是通过获取材料典型性能数据开展。目前，由于数据信息系统建设较晚，设计环节对材料基础数据和工程应用数据关注度有限，制造过程的数据信息对设计选材阶段的反馈不足，综合导致现阶段材料技术数据信息和数据流尚未形成。
加快建设和补充航天材料基础数据信息流，构建航天材料基因大数据库，将是未来迎接人工智能、大数据服务等先进技术应用革新的基础保障。同时应注意到发展航天材料基因工程所涉及的数据、知识及工具必将超出航天工程部门使命，故需要协调一致的顶层设计或国家战略来实现调动航天管理部门、航天院所、高校、研究机构以及其他具有独特资源（实验设备、表征仪器、软件及工具等）的机构共同开发，协同攻关。
02 联合国内研究队伍开展基于航天应用典型领域计算技术研究国内多家研究机构已开展基于特定应用领域需求的材料基因计算技术，包括失效模式识别、新材料开发与快速应用、材料多维服役环境演变机理等研究工作。航天院所可以在结构、功能材料等领域先行启动预先研究，建立合作平台，积极促进材料和设计特殊模型的验证，这对于各行各业材料模拟仿真能力的提升非常有价值。同时应倡导系统、模型及材料体系的并行设计，支持材料基础研究及开发，改进材料模型，包括第一性原理、分子动力学（蒙特卡罗模型）以及密度泛函理论；改进低维及小尺寸测量技术及原位测量技术；改进多轴荷载及多维应力环境下的表征技术，逐步构建多维服役环境计算模型和计算工具；促进计算材料科学、模拟设计技术以及表征技术的快速发展。
03 构建联合试验平台，促进涵盖空间环境测试能力的高通量测试与计算平台发展在特定应用领域打通材料测试和计算服务局域网，研究可服务于材料基因计算的空间服役场条件材料微观测试科学装置、高通量数据信息收集，应用于计算服务平台建设。NASA 将材料基因计算体系定为其颠覆性的基础设施建设。该项设施需要通过多领域、多要素的联合，构建能够改变未来游戏规则的新体系，以迎接未来航天任务快速发展需求。特别是缩短新材料研发和应用可靠性验证周期和降低测试确认成本，在短期内研发出应用成熟度高的新材料。我国在该领域与国外差距较大，但是基础科学研究在近年已得到快速发展，相关设施基础建设水平逐步与国际持平。未来如何结合特定工程应用背景实现材料计算服务业将成为“工业制造2025”的核心竞争力。
结束语
“NASA材料基因工程2040规划”预测了未来材料工程的新体系、新技术，以及长期研究方向，对于中国航天材料基因工程具有参考借鉴意义。同时，须意识到颠覆性技术的出现以及法律和资金环境的变化需要定期评估和修订，以保证体系的实效性。
我国在材料基因工程方面的布局及规划正与时俱进，尤其航天材料基因工程在建设航天强国进程中具备巨大的潜力。目前，我国公开拥有P级计算能力的若干超算中心在材料基因工程计算领域开展了大量的基础研究和示范性应用。预计未来5年，材料基因计算技术将联合各大工程领域，协同开展应用示范，提升我国基础材料和制造业的竞争能力。期待在政府、企业以及科学界的投入及支持下，顶层规划，缜密布局，有效实施，打破航天材料传统研发模式，为宇航材料基因工程的实施提供强大的技术支持与装备保障。笔者从总体上提出如下建议：
1）航天院所可设立专门的研究项目，组成协会，创建专家库，定期研讨、分析关键技术空白，解决各项挑战，同时促进宇航材料基因发展路线图、数据库、软件以及基础设施的开发。
2）航天部门可利用其先进技术牵引的角色，在政府、行业和学术界创造、传播和维护材料及系统的知识及信息，协同其他部门产生更大体量更多样化的数据。航天院所应支持工具开发，支持软件规范化，便于自己及其合作伙伴获取、使用和保存材料数据，以增强材料数据的再现性、可重用性，并允许深入分析和可视化，促进数据库和模型得到广泛使用，鼓励研究人员将人工智能应用于材料数据库，以利产生新的发现和洞见。