进入21世纪以来，全球新一轮科技革命和产业变革快速演进，高新技术和经济发展对新材料的依赖更加凸显。然而，新材料的研发模式仍主要停留在依赖于经验和实验的“试错法”，存在研发效率低、成本高等瓶颈问题，远远无法满足高新技术和高端装备对新材料迭代发展的需求。为此，借鉴“人类基因组”研究的理念，材料科学家提出了“材料基因组计划”，以期推动计算-实验-数据的深入融合，发展变革性材料技术，加速新材料的研究与应用。这是一项变革性的重大工程，因此我们称其为“材料基因工程”。

材料基因工程融合材料科学、物理、化学、数学、信息科学、先进制造、大数据和人工智能等不同学科，是以人工智能和大数据为牵引的全新研究领域。通过跨学科、跨领域和跨技术的深度融合，突破传统材料学科发展的局限性，可显著拓展了材料科学与工程学科内涵，引领学科前沿发展，催生新的研究领域和学科方向。

材料基因工程深入研究电子–原子–分子尺度的材料结构、相–晶粒尺度的微观组织、宏观制备工艺和关键使役性能之间的科学规律，构建“成分–组织–工艺–性能”材料内禀关系数据库和知识库（基因数据库），开发和应用高效自主计算、自动智能实验、大数据和人工智能等颠覆性前沿技术，变革现有的“试错法”材料研发模式，发展新理论、新方法和新范式，提升新材料发现、开发、生产及应用效率。因此，我们可以将“材料基因工程”称为新材料研发和应用的“加速器”。

近年来，在全球各国政府的大力支持和相关领域广大科研人员的不懈努力下，材料基因工程经过十余年的发展，已成为材料科学与工程学科最重要的前沿热点领域之一，培养了一大批具有新思想、新理念的跨学科、跨领域高水平科技工作者，使材料基因工程领域的研究群体迅速壮大。目前，在材料高效计算与设计、材料变革性实验技术、材料大数据技术、前沿新材料研发和产业化应用等方面，已取得了一系列令人瞩目的成就。

（1）在材料高效计算与设计方面，计算技术的快速发展与算力的显著提升，有力推进了材料高通量计算和集成计算材料工程等研究方向的发展。运用高通量计算技术，研究人员可快速获取大量候选材料的性质，实现面向目标性能的材料理性设计。这一策略已成功运用于新材料发现，以及拓扑性质、半导体性质、光电性质等材料性能设计。材料性质高通量计算工作流如Pymatgen、AFLOW、AiiDA、ALKEMIE等已在材料社区产生重要影响；相关计算结果已形成Materials Project、OQMD、JARVIS、AFLOWlib等一系列计算材料数据库，为材料数据挖掘与新材料设计提供数据支持。集成计算材料工程运用第一性原理计算、材料热力学相图计算、分子动力学模拟、相场模拟、有限元模拟等多尺度计算模拟技术，将工业产品生产过程中的材料选择、性能模拟、产品设计与实际生产等环节有机融合，已成功应用于新型铝合金、镍基高温合金和高强钢等许多高性能材料的设计研发。目前，材料计算设计已不局限于孤立性质的高通量求解，而是更为聚焦多维度、多尺度、全流程材料设计，更为关注自主计算、集成计算、跨尺度建模设计的核心算法与软件开发。

（2）在材料变革性实验技术方面，高通量制备和表征技术的快速发展，大幅提高了实验研究的效率。扩散多元节、增材制造、连续定向凝固、梯度热处理、共沉积、连续掩模、微反应器阵列等高通量制备技术能够连续调控成分、温度、气氛、压力等材料生长变量，实现系列样品平行制备，加快复杂多元新材料体系成分空间探索。基于微区集成、连续扫描、多功能叠加等技术原理的材料理化性质高通量实验技术，显著提升了材料表征效率。近年来，材料智能实验运用人工智能和机器人等前沿技术，实现实验方案的理性设计与高效实施，实验结果的自动处理和自主分析，正成为材料基因工程实验技术发展的新焦点。例如，自主有机反应搜索引擎、自主实验机器人、可重构全自动实验等智能实验技术应用于化学合成的实验设计、设备操作、数据采集与分析，显著提升新材料发现和验证的效率。

（3）在材料大数据技术方面，数据资源整合、数据库技术与数据分析技术等研究取得重要进展。高通量计算技术、实验表征技术、传感器技术、图像识别技术、文本挖掘技术的快速发展，显著提高了数据资源积累效率。材料表界面形貌、力学性质、催化性质、半导体性质、服役性质等多维度、多模态数据的快速积累，极大地提升了材料数据资源规模，建立了一系列高水平材料数据库，支撑多个重点材料数据资源平台建设。针对多源异构材料数据的存储和检索效率低下的问题，研究人员运用动态容器技术和无模式存储技术，实现数据快速便捷汇交与多维关联智能管理。运用如支持向量机、随机森林、朴素贝叶斯、深度神经网络、晶体图卷积神经网络等先进算法，可有效解析材料构效关系，进行材料目标性质的高效预测，实现材料逆向设计。这一理念已成功用于高强高电导铜合金、高强不锈钢、铝合金、高熵合金等先进结构材料，以及锂合金负极、电催化剂、有机发光二极管、快离子导体等前沿功能材料的成分和工艺设计。

（4）在前沿新材料研发方面，材料基因工程变革新材料研发范式，通过计算–实验–数据技术融合，在新效应探索、新材料设计、工艺优化与性能提升等方面取得重要进展。例如，研究人员应用材料组合制备技术，结合X射线衍射高通量结构表征和电阻测量技术，获得具有优异力学性质的高温块体金属玻璃Ir-Ni-Ta-(B)；发现TiZrHfNb高熵合金中的间隙元素具有化学短程有序的特性，可同时提升材料强度与延展性。运用高通量计算结合电化学阻抗谱实验验证，研究人员从材料数据库中成功挖掘出高离子导率固态电解质材料。基于晶格对称性分析，系统分类晶体材料拓扑性质，从中筛选大量拓扑材料。

（5）在产业化应用方面，工业界高度关注并深度参与材料基因工程研究，聚焦工程应用急需的关键数据、关键软件、关键方法、关键工艺、关键材料的开发和应用，充分利用材料基因工程带来的研发效率优势，降低研发成本，缩短成果转化周期。例如，中国重燃集团与北京科技大学联合打造了重型燃气轮机专用材料数据库，开发仿真-设计实时数据交互技术、材料服役损伤大数据分析技术，推动重型燃气轮机的数字化、智能化设计和制造。钢铁行业积极推广材料高效计算设计、数据挖掘和智能设计制造等关键技术，开发简约高效制造流程，推进钢铁行业绿色、低碳、低成本发展。通过理性设计与数据驱动材料研发的融合创新，多种高性能铜合金和铝合金材料在航空航天、新能源汽车等领域实现产业化应用。应用大数据分析技术，开发出高性能铈基稀土永磁材料，实现年产5千吨级生产，示范高丰度稀土的平衡利用。研发出的新型分子筛催化材料，在超大型乙苯生产装置等实现工业应用。

以上述研究成就为基础，未来材料基因工程应聚焦数字化、智能化研发、制造和应用，重点开发以下关键技术：

（1）跨尺度建模与计算设计：未来材料计算设计将重点突破时空尺度界限，发展大规模计算、自主计算和跨尺度计算方法和软件。机器学习分子动力学模拟已成功实现亿级原子的量子力学精确模拟，有望真正跨越模拟时空界限，实现微纳尺度材料构效关系解析与微纳器件原子尺度结构设计。建立随需而变、弹性可扩展的材料自主计算方法，实现分布式、自动化高效计算。数据驱动与集成计算材料工程的融合，突破涉及材料成分、微观组织、宏观结构、性质、加工成形和服役行为的跨尺度建模与全流程计算设计的瓶颈，实现材料生产或产品制造之前的“事先优化”。

（2）人工智能驱动的科学研究：借助机器学习在高维问题的表示能力，研究人员将有望准确描述复杂非线性材料系统演化机理，将基本科学原理高效运用至实际问题求解中。材料结构图神经网络、可解释性图表示学习方法、材料知识图谱等领域的快速兴起，将有力推进材料多体问题求解、跨尺度关联、多尺度耦合的机器学习理论的发展。研究材料多模态数据表示学习算法、材料知识推理及因果关系挖掘算法，将催生数据与知识双驱动的新材料研发范式变革。生成式模型和大型预训练模型，将有望在材料设计研发过程中提供全新解决方案，为材料创新带来颠覆性变革。

（3）自动智能实验技术：利用机器人、人工智能等技术，开发具有多维与高灵敏度的运动感知能力、多目标识别能力和智能决策反馈能力的材料实验智能机器人系统。集成智能机器人与材料高通量制备和高通量测试表征技术，构建支撑材料高通量、自动化、智能化实验的物理平台，并在此基础上建立材料制备和表征数据的采集–传输–存储–分析–反馈自动流程。基于多传感器实时交互、多尺度建模仿真和多目标优化技术，形成对材料研发实验方案/流程的智能闭环优化，实现面向目标性能的材料自动化、智能化研发。

（4）数字孪生技术：大量积累材料基础数据，制备加工多维参数、多场环境、多过程数据，服役行为数据，融合集成计算材料工程和机器学习建模，构建可动态描述材料成分–组织–工艺–性能的复杂内禀关系、交互作用和演变行为的数字模型库和知识库。突破多源异构数据在线采集、处理、存储和计算交互等数据库技术，实现制备加工过程的可视化实时仿真。突破物理系统和信息系统的虚实映射和实时交互技术，构建数字孪生系统，实现材料制造过程的在线快速优化和精准控制，支撑材料数字化和智能化发展。

（5）数据资源管理与共享：未来研究应重点发展数据自动采集、存储、挖掘、应用一体化的大数据云平台技术，建设多元化、多层次、系统化的材料数据基础设施。建立材料数据标识、引用、评价、交易技术及标准，突破数据共享、知识共享、信息安全等技术瓶颈，促进材料计算设计平台、智能实验系统和数据基础设施的相互融合，促进研发模式的颠覆性变革，加速新材料的研发和应用。

文章引用：

Xie J. Prospects of materialsgenome engineering frontiers. MGE Advances.2023;1(2):e17.

https://doi.org/10.1002/mgea.17