中国冶金报社
记者 吕林 报道
特约通讯员 蓝义高 摄影
“未来5~10年，AI、大数据技术必将重塑材料产业，尤其是钢铁等传统领域，数字化制造一定是未来的主流方向，具有重要的发展前景。”10月23日，北京科技大学学术委员会主任、中国工程院院士谢建新在第十五届中国钢铁年会开幕式作报告时提出这一观点。他重点介绍了新材料智能化设计和数字化制造的研究应用情况。
图为谢建新
新材料具有显著的科技属性、军事属性、经济属性和社会属性，是新一轮科技革命和产业变革、战略新兴产业和高端制造业发展的基石和先导，是国际竞争激烈的高新技术领域。然而，新材料的设计研发长期面临非线性、遗传性、跨尺度三大难题，空间尺度涵盖电子、原子到宏观构件，时间尺度跨越皮秒至百年，建立“结构—性能”关联、实现跨时空设计难度极大。
对此，谢建新认为，智能设计与数字化制造正是破局关键，能够实现精准设计与精确制造，有望从根本上解决传统的新材料研发效率低、周期长、成本高，以及材料制造质量的稳定性和一致性等瓶颈问题。
他提到，2016年Nature封面论文里，哈佛大学学者利用机器学习算法从“失败的试验”数据中发现了新材料：模型预测准确度超过了经验丰富的化学家，并从模型中获得了三种化学假设，以指导新材料设计。这一发现引爆了材料领域的机器学习。当前，机器学习在新材料设计中主要有三类应用：一是数据回归建模（经典方法、黑箱模型），二是可解释物理学机理、冶金学机理的研究（白箱模型），三是工艺设计与过程优化（黑箱、灰箱、白箱）。据介绍，北科大团队依托智能设计技术，已经在多类材料研发中取得突破性进展，包括先进汽车钢优化、硅钢研发提速、高端合金成分定制，等等。
近10年来，材料数字化、智能化技术迅速发展，基础设施和支撑条件快速发展，科技和市场生态初步形成，新材料研发和制造已经进入“数智化”时代。
“两化融合，信息化+自动化并不等同于数字化制造！”谢建新特别强调，数字化制造是以数字技术为核心，通过整合计算机、网络、虚拟现实等技术，实现产品从设计到生产的全过程智能化管理和控制的制造方式。其本质是将复杂信息转化为可度量的数字数据，建立数字化模型并引入计算机处理，从而优化制造流程。
简言之，自动化制造依赖“反馈控制”（事后检测波动再反馈前端进行调整），而数字化制造核心是“前馈控制”——基于过程与扰动的实时数字模型进行预测与预报控制，分为数字化制造、数字化网络化制造（车间互联）、数字化网络化智能化制造（人机一体化）三个阶段，特征分别对应“无人车间”“黑灯工厂”“智能工厂”。
谈及国内冶金材料数字化、智能化发展水平，谢建新坦言：“当前多数企业仍处于生产工艺/车间数字化管理阶段，局限于数字化管理调度、工序数字化衔接和全自动车间构建，距离真正的数字化、智能化研发/制造阶段尚有较大差距。”
他指出，未来行业需要向“材料/产品/工艺智能设计、事先优化”“制造工序数字化建模、预报控制”“黑灯工厂、智能工厂”突破。
核心挑战集中在两个方面：一是数字化建模，解决传统计算模拟的瓶颈问题，实现“材料内部可视化”，支撑“在线决策/预报控制”“全过程综合优化”；二是数据资源，目前材料科学计算基础数据匮乏，需整合理论计算、数值模拟、实验及企业生产和产品应用数据。
“数据是战略资源，没有数据，AI将一事无成！大规模、高质量数据是‘AI+新材料’竞争发展的基本保障。而新数据催生新知识，未来科学家与工程师的价值仍不可替代。”谢建新最后强调道。
