人工智慧技術有望使新材料研發提速百倍
來源：系統工程所，作者：中國航空工業發展研究中心 胡燕萍
材料進步是技術進步的重要貢獻者，但長期以來以人為主的試錯研發模式，導致材料研發周期長、費用高。美空軍研究實驗室正將人工智慧技術和機器人、大數據以及高通量計算、原位表徵技術相結合，研製材料自主研究系統（ARES）。ARES比現有研究方法能快幾個數量級地設計、執行和分析迭代材料試驗，大幅縮短材料開發時間。目前ARES已成功用於單壁碳納米管的合成研究，未來有可能對複雜材料開發帶來顛覆性影響。
一、研發周期長是目前新材料研發麵臨的最主要問題
新材料研發對提高國家經濟競爭力、促進國家繁榮和保障國家安全有重要意義。但是，目前以人為主的試錯研發模式導致材料研發周期長，已成為新材料發展面臨的最主要問題。
1．傳統的新材料研發模式耗時長
新材料從發現到走出實驗室再到工程化實際應用，特別是用於航空裝備等使用要求較高的產品，至少需要20～30年時間。以樹脂基複合材料為例，該材料早在20世紀60年代就被初步開發出來，但直到2000年之後才在波音787的機身主承力部件上大面積應用。在軍用裝備上應用的材料都是20年前的「老」材料，造成了材料發展跟不上裝備發展需求的困境。
新材料研發耗時耗力有四個方面的原因：一是研究對象複雜。許多材料問題都很複雜且涉及宏觀、微觀多個尺寸維度，捕捉相關現象往往需要大量的試驗和數據支撐。二是研究倚重於經驗積累。新材料的開發是一個以人為中心的過程，每一個過程都需要利用個人的知識、耐心和理解能力進行設計、實施、分析並解釋試驗數據，然後做出決定。三是研究方法是基於試錯原理的往複試驗迭代法。由於對材料內在本質的認識不全，傳統新材料開發採用基於經驗的試錯法，是一種在錯誤的嘗試和多次往複試驗中不斷向正確目標邁進的方法，效率低。受限於人的精力和經驗，一個典型研究團隊利用傳統試錯方法一天只能做一到兩個試驗。四是材料從試驗室走向工程應用需花更多的時間。材料在試驗室僅能完成初步試製，就需10年左右時間，還需20年左右反覆試驗，才能精確確定工藝和操作參數，滿足工程應用的批次性能穩定需求。
2．材料計算和模擬可有效縮短開發時間，但仍無法替代試驗驗證
為解決新材料研發周期長的問題，美國科學技術委員會於2011年啟動了「材料基因組計劃」，擬充分利用資料庫，開發先進試驗和表徵工具，建立一個以計算模擬和理論預測為先，試驗驗證隨後的新材料研發模式，有效縮短材料研發周期，目標是將材料研發周期縮短至10～15年，目前仍未達到目標。
目前材料基因組計劃已開發了大量的建模模擬工具和軟體。但材料的計算和模擬並不能替代材料的試驗驗證，不能解決研究過程中的試驗迭代問題，對材料研發周期縮短有限。
二、具有人工智慧的自主材料試驗系統將革新材料研發過程
將人工智慧應用到材料研發中，是解決目前材料研發周期過長的一種全新嘗試。人工智慧在材料研發中主要有兩個重點方向：一是，以美空軍研究實驗室為代表，利用人工智慧開發自主材料試驗機器；二是，在美國防部、自然科學基金和能源部、美國標準與技術研究院（NIST）等機構資助下，加州理工大學、西北大學、斯坦福大學等研究機構開發人工智慧深度演算法，開展新材料成分和配方設計。
1．美空軍研究實驗室研製出首台可自主開展材料製備的機器
2013年，美空軍研究實驗室功能材料部高級研究人員丸山勉治（Benji Maruyama）受英國劍橋大學和阿波利斯特威斯大學開發的「Adam」和「Eve」科學研究機器系統的啟發，利用人工智慧與機器人、大數據、高通量計算、原位表徵等技術結合，開始研發可自主開展材料製備試驗的機器。2016年，成功研製出世界首套可自主進行材料試驗的樣機——「自主研究系統」（ARES）。該系統能在材料製備迭代試驗過程中，自主學習並優化試驗設計，確定最佳製備參數，使材料製備試驗效率提高百倍，大幅提高材料研發速度。
●「自主研究系統」的發明人丸山勉治博士介紹該系統
ARES主要由自動化反應器和智能控制軟體組成。自動化反應器包括用於加熱的532納米激光源、進行原位測試的光譜儀、完成材料生長的化學氣相沉積室等設備。智能控制軟體利用遺傳演算法和「隨機森林」模型等人工智慧演算法，可根據已有數據和前次試驗情況，自主確定本次試驗的溫度、壓強、氣體成分等材料參數，其可以操作顯微鏡、激光以及氣流控制器，並控制光譜儀測試本次製備材料的性能。
●「自主研究系統」已在碳納米管生長試驗中，將材料研發速度提高了百倍以上。該系統可以對石墨烯、碳纖維和碳納米管進行試驗，其優點遠不止速度快，還可以分析前期試驗中獲取的數據，並利用這些數據來確定下一次最佳試驗參數
目前，ARES已在碳納米管生長研究領域進行了試驗。碳納米管的生長過程影響因素較多，製備過程精細複雜、耗時費力。美空軍研究試驗室利用洛·馬公司的納米材料資料庫，通過「確定碳納米管最佳生長參數試驗」驗證了ARES的能力。試驗採用乙烯氣體作碳源，在化學氣相沉積室設置間距50微米、5×5排列的硅圓柱陣列作生長襯底，同時開展25組製備試驗，在5天內完成了500餘次試驗，採用計算機「大腦」確定了碳納米管最佳生長參數。每一次實施新的試驗，都獲得新的知識積累，ARES使這些新知識成為未來試驗設計的一部分。大量試驗後，結果變得更加穩定，向預測的碳納米管生長速度集中。AERS在一天內可完成100多個試驗。相比ARES，人工開展相同製備試驗，單人完成時間超過500天。後續，美空軍研究試驗室將在現有化學氣相沉積基礎上，進一步研發可開展電子束沉積、激光濺射沉積、蒸發沉積等材料生長試驗的能力。
●「自主研究系統」的發明人丸山勉治博士展示一種碳納米管結構模型
2. 具備人工智慧的計算機「大腦」是自主試驗機的核心
ARES綜合了良好的硬體試驗方法和人工智慧演算法，很大程度地改變了美空軍研究試驗室的材料研究方式，無需人的干預，能夠設計、實施和評估試驗數據，是材料研究過程的革命。但是，當前的ARES只能說具備了初步的自主性，距離真正的人工智慧還有很大差距。
●材料研究者用「自主研究系統」人工智慧規劃工具檢查實驗數據
目前，美國正全力開發材料自主研發的相關演算法。2017年美國防部將材料自主試驗系統納入「行家」（Maven）項目，推動工業界、學術界和國家實驗室合作，針對國防部的一些最棘手的挑戰，開發和部署基於人工智慧的演算法。2018年開展「行家」項目首批演算法的應用，AERS有望成為首批應用對象。此外，美國麻省理工大學、加州大學伯克利分校、西北大學等也正在開展人工智慧相關演算法在材料成分設計、工藝參數選取、性能預測等方面研究。2017年11月，美國麻省理工大學開發出了一套機器學習系統，採用谷歌「word2vec」深度學習人工智慧演算法，可從大量論文中提取數據進行分析學習，針對特定材料需求，定製性給出材料配方方案。對比試驗數據，該系統可以給出99%準確率的材料方案。2018年4月，美國西北大學成功利用人工智慧演算法從資料庫中設計出了新的高強超輕金屬玻璃材料，比傳統試驗方法快200倍。
三、幾點啟示
人工智慧技術的進步為加速新材料研髮帶來了新的機遇。我們從中可以得到一些啟示：
一是國外已證實人工智慧技術對縮短材料研發周期的顛覆性影響。
美國ARES機器已通過碳納米管生長試驗證實，具備人工智慧的自主材料試驗機器可優化選擇並控制龐大而複雜的試驗參數，形成閉環反饋，將材料研發的速度提高數百倍。可以說，人工智慧是材料研發的一種突破性工具，也是未來材料技術的重點發展方向，將改變新材料的研發模式，革新材料研發效率。
二是人工智慧技術對於我國發展新材料意義重大。
經過幾個五年規劃的發展，我國材料技術整體上有了長足進步。我國已成為世界材料大國，特別是在新材料基礎研發領域的經費投入和論文數量均已超過日本，僅次於美國，位列全球第二。但是，由於國內新材料成果轉化率低，工程化程度不高，造成我國距世界軍用材料強國還有較大差距。目前我國人工智慧技術與國外先進水平並駕齊驅，利用人工智慧發展新材料有很好的條件，有可能通過這一最新的技術快速解決我國材料制約裝備發展的問題。
三是我國應在新材料研發中儘快部署人工智慧技術。
根據我國對新材料的迫切需求，以及人工智慧技術已有的基礎，我國在新材料研發中有必要、也有可能大力應用人工智慧技術。應用人工智慧研製新材料，需要重點解決：已有材料數據的集成共享，打牢人工智慧技術應用的大數據基礎；研究機器的材料深度學習演算法，提高人工智慧化程度；解決部分先進材料試驗和表徵儀器設備進口依賴問題，建設國內材料設備研發和供應能力，實現設備的自主保障。
TAG:網信科技前沿 |