材料信息學：解碼材料基因圖譜丨科普矽立方

編者按：中科院之聲與中國科學院上海矽酸鹽研究所聯合開設「科普矽立方」專欄，為大家介紹先進無機非金屬材料的前世今生。我們將帶你——認識晶格，挑戰勢壘，尋覓暗物質，今古論陶瓷；彌補缺陷，能級躍遷，嫦娥織外衣，溢彩話琉璃。

被戲稱為諾貝爾「理綜獎」的化學獎今年再度授予給生物學家，以表彰她們對新一代基因編輯技術的貢獻。生物基因是生物體內攜帶遺傳信息的DNA片段，影響甚至決定著生物體的生長發育、衰老病死等所有生理過程。生物基因工程則是在分子水平上對基因進行重組，改變生物原本的遺傳信息，旨在按需設計新品種和產生新產品。那麼，同樣是由微觀粒子（原子、分子、離子等）構成的材料，是否也存在決定材料性能的「基因」呢？人們能否利用材料基因工程技術，按需設計特定性能的材料呢？

材料基因工程

答案是肯定的，而且已經引起各國的重視。早在2011年，美國聯邦政府率先啟動了一項名為「材料基因組計劃」（Materials Genome Initiative, MGI）的研究計劃，通過先進實驗和計算技術和數據共享等方式，加速新材料的發現，縮短材料研發周期，同時降低成本。同年年底，中國科學院和中國工程院召開了香山科學會議研討「材料科學系統工程」，並由徐匡迪院士、顧秉林院士、陳立泉院士和張統一院士等學者提出啟動中國的「材料基因組計劃」。此外，其他國家和地區，例如歐盟、日本和俄羅斯等也相繼啟動類似的材料研究計劃。

圖1 美國材料基因組計劃框架（圖片來自網絡）

雖然「材料基因」一詞經過多年的探討，但是至今依舊沒有明確的科學定義，其複雜性就可見一斑。相比生物基因僅由幾種核苷酸排列而成，材料組成和結構顯得更加複雜，材料基因工程的研究也更具有挑戰性。傳統的科學研究範式可能並不能滿足快速解碼材料基因圖譜的需求，因此材料信息學就應運而生。

人工智慧+材料科學

在了解材料信息學之前，我們首先需要對材料科學研究四大範式的發展脈絡有整體的認識。四大範式包括，實驗試錯、理論推演、模擬計算和數據科學。

新材料的研發最傳統的方式是實驗試錯法，即通過改變材料成分、合成手段、工藝參數等條件製備系列樣品，選出其中性能最合適的材料。很顯然，試錯法存在效率低、成本高、研發周期長等缺點，因此往往被戲稱為「炒菜法」，但是多年以來也為材料科學積累了大量的數據和經驗法則。

理論推演則是在對自然有充分認識、掌握足夠多的規律之後，科學家將自然現象抽象成數量關係，構造數學模型，並在模型預測的指導下研發材料。然而，由於實際問題往往相當複雜，理論模型的建立需要採用近似處理方法，因而不可避免地存在偏差和局限。隨著電子計算機的發展，科學家可以依據更本質的物理定律，對複雜過程進行多空間尺度模擬，從而定向設計材料成分、結構和性能。即便如此，模擬計算需要基於理論框架和依賴參數設置，因此計算結果與實驗結果大相逕庭的情況時有發生。

材料信息學一改以往研究範式對經驗和理論模型的依賴，直接針對可能與目標量相關的數據，分析其中統計關聯性，再從中研究材料成分、結構、工藝和性能之間的物理內涵。這種由數據驅動的方法藉助如今快速發展的大數據和人工智慧方法，從大量、複雜的變量集合中提取決定性因素，構建數據之間的定量關係，指導新規律的發現和新材料的快速研發。

圖2 科學研究四大範式（圖片來自網絡）

說白了，材料信息學可以簡單地認為是「人工智慧+材料科學」。提起「人工智慧」，你可能會想起幾年前的圍棋人機大戰：圍棋世界冠軍柯潔完敗。人類冠軍低頭拭淚，痛苦感嘆「它太完美，我看不到任何勝利的希望」的場景依舊曆歷在目。在柯潔戰敗之前，「AI+」早已引起學術界的重視。2016年1月27日「AI+圍棋」登上頂尖科學期刊《自然》封面，報導了谷歌 Deep Mind 的人工智慧系統阿爾法圍棋（Alpha Go）完勝歐洲圍棋冠軍。同年5月4日，「AI+材料科學」也登上了《自然》封面，報導了材料科學領域的「人機大戰」。這項研究由哈弗福德學院（Haverford College）主導，針對一種有機-無機雜化材料的水熱合成反應，通過機器學習方法從大量成功和失敗的實驗數據中發現規律，並建立判斷反應能否成功的預測模型。機器學習模型成功率高達89%，高於有經驗的化學家的人工判斷78%。這項報導充分展示了人工智慧在材料科學研究中的強大潛力，掀起了「AI+材料科學」的浪潮。

圖3 Nature封面文章：「AI+圍棋」和「AI+材料科學」 （圖片來自網絡）

「數據困境」與破解之法

兩場「人機大戰」之中，戰勝人類棋手的Alpha Go背後主要利用了深度神經網絡，戰勝人類化學家的預測模型背後主要是支持向量機，它們都屬於機器學習方法。機器學習是實現人工智慧的一類方法，其基本過程是採用程序算法利用大量的數據進行建模訓練，從數據中學習規律，最終對未知事物做出決策和預測。機器學習方法研究材料科學一般分為數據集構造、數據預處理、數據降維、模型訓練、模型測試與評價等步驟。其中，數據集構造是首要步驟，數據收集是材料信息學的重點和難點。你或許會疑惑，數據收集不是很簡單嗎？我們只需要在購物app內點擊某件商品，在新聞app內瀏覽某條新聞，在地圖app內搜索某個地點……我們在網際網路上的一切行為，每時每刻都在都轉化為數據被收集。然而，在材料科學領域，獲取一個數據可能意味著幾個小時的模擬計算，幾天的材料製備，幾周的循環測試……因此，材料學的數據很難成為「大數據」，至少現階段只能是「小數據」。正是由於數據量小，數據偏差和噪聲對模型的影響將會十分顯著。機器學習的算法再優化，計算機的算力再提升，我們手裡只有稀疏、高維、有偏差和帶噪音的數據，材料信息學將面臨「巧婦難為無米之炊」的困境。

圖4 機器學習方法研究材料科學的基本流程（圖片來自網絡）

破解「數據困境」需要從兩個方面著手：生產和流通。在數據生產方面，隨著各國有關材料基因工程的項目推進，高通量實驗和計算快速發展，對數據的標準化和高效產出有非常積極的作用。在數據流通方面，國外的Materials Project以及我國的Atomly等資料庫免費開放大量的計算數據，便於數據共享。哈弗福德學院建立了「黑暗反應計劃」（Dark Reaction Project）平臺，鼓勵研究者們在發表「成功的」數據之後，再將不發表的「失敗的」數據上傳到平臺，以供機器學習模型對化學反應進行更加深入的分析。藉助高通量、資料庫、網際網路等新技術加速材料數據生產和流通方興未艾，這個時代留給了材料人大展拳腳的廣闊舞臺。

我們不妨暢想未來的材料實驗室成為「數據工廠」的那天：智能化的實驗機器人，嚴格標準化的樣品製備和測試表徵，完全電子化的實驗記錄，融合物聯網的內部即時數據共享平臺，融合區塊鏈技術的國際數據交易平臺，以及更加先進的處理和分析數據的人工智慧方法。我們材料人將會從「磨金相、守爐子、過柱子」，甚至複雜的數據分析之中解放出來，轉型為「開發者」、「合作者」和「研究者」。「開發者」負責AI算法和智能化實驗機器的開發與維護；「合作者」熟悉編程和材料研究的兩套邏輯和語言，促進「開發者」和「研究者」的溝通交流；「研究者」捕捉行業痛點，提出科學問題，創新研究思路。到那一天，或許我們能夠解碼出材料基因圖譜，每一位材料人都能像鋼鐵俠一樣帥氣地研發材料。

圖5 這將是我們材料人的未來嗎？（圖片來自網絡）

參考文獻：

1. Agrawal A, Choudhary A. Perspective: Materials informatics and big data: Realization of the 「fourth paradigm」 of science in materials science[J]. APL Materials, 2016, 4(5):053208-1-10.

2. Liu Y, Zhao T, Ju W, et al. Materials discovery and design using machine learning[J]. Journal of Materiomics, 2017, 3(3).

3. Dima A, Bhaskarla S , Becker C , et al. Informatics Infrastructure for the Materials Genome Initiative[J]. JOM - Journal of the Minerals, Metals and Materials Society, 2016, 68(8):2053-2064.

4. Anubhav J, Shyue P O, Geoffroy H, et al. Commentary: The Materials Project: A materials genome approach to accelerating materials innovation[J]. APL Materials, 2013, 1:011002-1-11

5. Hanoch S, Alexander T. Materials Informatics. Journal of Chemical Information and Modeling 2018 58 (7), 1313-1314

6. 施思齊，徐積維，崔豔華 等. 多尺度材料計算方法[J]. 科技導報, 2015, 33(10):20-30

來源：中國科學院上海矽酸鹽研究所