同样，在“高大上”的航空领域，发动机被誉为“工业皇冠上的明珠”，而隐匿在这颗“明珠”之上的高温合金材料，又被称为“发动机上的基石”，其性能水平很大程度上决定了发动机的水平高低，尤其是个中的涡轮叶片，由于长期事情在恶劣的工况之下，不仅要经受超高温的气体冲击，还要承受每分钟上万次旋转的机器载荷，对材料性能提出了极高的哀求。然而，作为“大国重器”的基石材料，其性能和稳定性与国外前辈水平比较仍旧差距较大，是“卡脖子”技能之一。据理解，一枚鼠标大小的叶片本钱，险些等同于一辆小汽车的造价。
据工信部对全国30多家大型企业130多种关键根本材料调研结果显示，32%的关键材料在中国仍为空缺，52%依赖入口。小到圆珠笔头，大到“国之重器”，许多“卡脖子”技能都与材料有关。履行“制造强国”计策，推动制造业高质量发展，必须夯实新材料家当这一主要根本阵地。
然而，长期以来，传统“试错式”的研发模式，导致材料研发周期长、用度高，成为新材料发展面临的最紧张问题。新材料走出实验室每每须要很长的韶光，譬如，用于航空装备等利用哀求较高的产品则须要20～30年，这对前辈制造业的发展显然是鞭长莫及的！
将人工智能运用到新材料研发中，是办理目前材料研发周期过长的一种全新考试测验。继美国提出“材料基因组操持”后，中国于2016年正式启动“材料基因组工程”，旨在以人工智能、机器学习为根本路子，结合数据库平台，对材料进行高通量打算、制备、检测，颠覆传统材料研发办法，加速材料领域的发展。
值得一提的是，之以是称之为“材料基因工程”，可类比人类基因排列决定了人体性能，材料的“基因”——原子/分子的排列，则决定了材料的性能，而“材料基因工程”正是希望借助于数据库和人工智能，加快探求材料“基因”与性能之间的相互关系，从而拔除家当痛点，实现新材料“研发周期缩短一半、研发本钱降落一半”的终极目标。
举例来说，作为“材料基因工程”核心的检测仪器，扫描电子显微镜（SEM）是材料描述表征的紧张工具。海内电镜企业聚束科技，将商汤视觉AI技能与扫描电镜系统相结合，推出的 “AI显微镜”，可以实现对海量扫描图像快速丈量、统计、剖析，并自动化天生数据剖析报告，大幅提高了材料性能的检测效率，从而快速建立材料“基因”与性能关系，极大的加速了新材料的研发进程。
与此同时，这套AI运用也实现了材料图像剖析的数字化与标准化，大幅提高了材料检测和评价的准确度。以航空发动机高温合金材料为例，传统检测紧张为定性评价，高度依赖于专家的履历水平，存在一定的偏差与有时成分，不同专家可能会有不同的评价结果，这对要“上天载人”的航空材料来说无疑是不屈安的。人工智能通过机器学习转译专家履历，形成标准化评价的AI算法（知识图谱），让材料评价的准确度和稳定性大幅提高。
图 航空发动机高温合金材料的智能剖析
通过形成统一的量化评判标准，AI算法也实现了专家履历的复制与传承。材料专家的培养常日须要多年韶光，针对高端特种材料的专家更是少之又少，其履历难以传承，也无法知足工业运用和实验项目对材料评价的增量需求。AI算法的标准化输出，让专家履历不仅可以“薪火相传”，更可以做到规模化复制，有效缓解专家存量不敷的问题。
国内外，包括谷歌、腾讯、IBM等科技公司，以及例如德国蔡司、日本奥林巴斯等老牌显微镜厂商都在致力于利用AI技能提升材料显微的检测效率。譬如谷歌在显微镜上添加AR和AI技能支持，使得医疗机构可以在显微镜下实时检测人体组织中的细胞（生物质料）有无发生变异。
除案例中提到的AI显微镜外，人工智能在材料研发中还有很多其他的运用考试测验。2017年，MIT开拓出了一套机器学习系统，可针对特定材料需求，定制性给出材料配方方案。比拟试验数据，该系统可以给出99%准确率的材料方案。2018年，美国西北大学利用AI算法设计出了新的高强超轻金属玻璃材料，比传统试验方法快200倍。
可见，“数据+人工智能”将成为新材料研发的核心竞争力，对缩短材料研发周期产生颠覆性影响。而人工智能之以是能够成为撬动“材料基因工程”的那个支点，是由于作为信息技能的变革力量之一，人工智能实质上是办理了材料研发中的信息处理问题，尤其是高通量作为“材料基因工程”的关键词，面对海量的材料微不雅观信息数据，传统“试错式”的研发模式，以及极度依赖人工的信息处理手段，与AI算法比较，显然是马车与火箭的速率差距。
当然，对海量数据高效处理是人工智能在材料科学领域运用的需求要素之一，而人工智能近年来在其他领域的运用和推广、算法的发展和成熟，以及算力资源“性价比”的持续提升，才使得基于海量数据快速预测材料性能终极成为可能，这也正是“材料基因工程”的核心理念，即通过预测替代试验的办法加速新材料的研发，从而斩断那根“卡在脖子上的致命绳索”。
（作者系商汤智能家当研究院 计策生态研究主任）