前沿研究丨一种连接材料基因组工程数据库与集成智能制造的新型数据标识编码本文选自中国工程院院刊《E

本文选自中国工程院院刊《Engineering》2020年第6期
作者：王毅，李佩璇，林徳烨，唐斌，王军，管全梅，叶谦，代海星，高军，范晓丽，寇宏超，宋海峰，周峰，马纪军，刘梓葵，李金山，刘维民
来源：A Geometric Understanding of Deep Learning[J].Engineering,2020,6(3):361-374.
编者按
数据标识符（DID）是所有类型数据库中必不可少的标签，尤其是与集成计算材料工程、可传承集成智能制造和工业物联网有关的数据库。随着先进材料的快速发展，需要建立材料信息学的相关数据标准。
中国科学院刘维民院士科研团队在中国工程院院刊《Engineering》中撰文指出，数据标识编码是连接材料基因组工程数据库与可传承集成智能制造的桥梁。文章简要介绍了设计时代集成计算材料工程领域数字孪生设计范式的几种观点，提出了一种由一组构建单元组成的通用 DID格式，且该格式与国际和国家标准中使用的经典标识符格式一致。 DID具有灵活性，便于在各种云平台之间进行扩展和共享。另外，文章指出，建立材料基因工程云平台的主要目的是发现新型先进材料的协同应用，以服务和支持未来的集成智能制造技术，为加速先进材料的发现和制造以及提高研究产出、效能和协作铺平道路。
文章插图
一、引言
随着人类进入集成智能制造时代，集成计算材料工程（ICME）的数字孪生设计范式对于加快新型先进材料的发现和应用至关重要。大量官方文件和计划已概述了计算材料工程的独特挑战和机遇以及未来可传承的集成智能制造（I3M）的战略蓝图，如美国的材料基因组计划（MGI）、中国的材料基因工程（MGE）和人-信息-物理系统（HCPS）、德国的工业4.0、韩国的工业创新3.0 。材料创新赋予了解决问题的新技术能力并促进社会的重大进步。
基于这些先进材料的设计范式，材料发现和工程创新为技术进步开辟了新的领域，包括大数据、数据挖掘、机器学习、人工智能、云计算、金属材料本体论和知识图谱。与大数据和机器学习相关的技术有助于将理论预测与微观自由度联系起来，从而加速区域材料的设计和合成。如集成实验衍射数据、对称性统计反馈、基于密度泛函理论（DFT）的优化算法，第一原理辅助结构解析已成为一种新型的自动预测晶体结构的混合方法。 DFT 计算和相图计算（CALPHAD）的集成被认为是材料基因和材料设计的主要部分，并已建成一个强大的数据驱动的ICME材料开发框架，该框架强调基于相物理性质的数据库。
众所周知， ICME是通过计算工具获取、工程产品使役性能分析和制造加工仿真的材料相关信息的集成。随着计算材料科学和计算能力的迅速发展，多物理场模拟推动了热力学、动力学、结构、缺陷和性质在多尺度上的预测，极大地加速了材料数据库或存储库的发展。此外，通过集成多尺度模拟，设计策略可以跨越从电子到相甚至到产品的范围，并且可以有效地确立筛选目标候选材料的原则和判据。
从集成智能制造/工程的角度来看，数据驱动的 ICME支持数字孪生类型的设计/制造范式，这突出了材料信息学的重要作用。尽管第三次工业革命（所谓的数字革命）仍在发展中，但是第四次工业革命的重点是基础设施和数字科技，并将非线性特征、数字技术和学科整合到虚拟材料和物理系统领域。
在智能设计时代，通过计算可以提前确定新的目标、候选对象和技术方案，从而有利于企业以较低的成本和较短的时间提供基于所获得的知识和模型的营销策略，以便在全球竞争中生存。为了对目标设计、优化、计划和解决方案做出有效的决策，解决公认的数据“4V”至关重要，包括体量、速度、多样性和准确性。据报道，北美的大型制造商已经花费了近7万亿美元来升级以前带有传感器的设备，使设备系统能够通过物联网（IoT）相互通信。有效地利用这些运营数据进行商业决策是一个巨大的挑战或机遇，然而目前仅有约1%的商业决策是这样做的。因此，不但应该关注促进数据集自动化收集、整理和分发的工具，还应该定义并遵循标准化的数据和元数据格式。例如，可查找性、可访问性、互操作性和可重用性（FAIR）这四个基本原则被提出，用于传统意义上的数据、算法、工具和工作流的指导原则。在收集和分享数据时应考虑所谓的FAIR指导原则。