材料基因组方法研究思路
图1 材料基因组研究思路
材料基因组学的核心是建立材料配方、加工工艺与产品性质的定量联系，该定量关系确定便可在材料设计初期进行产品性能指标预测。性能指标预测模型的成功主要依赖于两方面: 一是描述符集合的建立，二是多参数定量关系函数（预测模型）的建立。材料基因组研究思路可分为四步：数据集建立、描述符集合建立、预测模型建立和模型的可靠性检验与应用。
1数据处理
首先选择具有完备性和代表性的数据集，然后进行数据清洗等预处理，以移除数据集中的异常数据。最后进行数据归一化等数据转换。通过以上三步使原始数据具备准确且可用条件。
2描述符集合建立
为了使不同方面的描述符最终能够收敛地表达性质参数, 描述符被分为多个子集。这些描述符可以基于二维结构或三维结构进行计算得出。
3预测模型建立
合适的机器学习算法也是影响模型可靠性和准确性的关键一步。每种算法都有自己的优势和缺陷，需要依据待解决问题的不同而选择不同特征功能的算法。如回归、集成分类通常用于材料宏观和微观性质的预测，机器学习常常搭配智能优化算法（如遗传算法和粒子群优化算法）进行模型的参数优化。根据材料研究应用场景不同，数据驱动的建模算法总结如下。
图2 数据驱动的建模算法
船舶材料的需求特点
船舶工作环境复杂恶劣，船体及船舶甲板机械对材料的使用须防腐、防污、防滑、减重等有较高的要求，船用机电设备如船舶主机、辅机等长期运行在高温、高压工况，对设备零件的刚度、强度、耐腐蚀性、导热性具有较高的要求。我国船舶领域一些高端材料品种亟需解决国产化问题。如LNG船储罐用殷瓦钢、主机燃烧室相关部件材料、防污、F级高强度钢、双相不锈钢板，以及齿条钢等超高强度船舶与海洋工程用钢。随着我国船舶工业的高速发展，对船舶及其配套设备的材料也提出了新的要求。这就要求船舶材料向高性能、多功能、低成本化、智能化、复合化、整体化等方向发展，传统的“试错”材料研制方法使船舶材料研发周期长、费用高，基于材料基因的船用材料研制方法可推进船舶设备快速更新换代进而实现船舶工业转型升级。
就船舶工业而言，材料基因组技术的工作范围包括：基于数据的技术，包括材料数据库设计、开发及数据库集成应用；基于计算的技术，包括材料成分设计、材料工艺仿真模拟、材料虚拟服役性能模拟；基于实验的技术，包括极端环境下的模拟考核实验、材料成分和工艺的快速筛选实验等。下面从新材料成分设计、工艺优化、服役性能、材料数据库等几个方面，分析船舶工业对材料基因组技术的需求。
新材料成分设计方面，为了保证我国在船舶材料研发方面的持续竞争力，满足未来船舶工业对新材料的重大需求，需要采用材料基因组技术设计新的材料。高温合金、高性能钢、铝合金、钛合金的新型成分计算涉及第一原理计算、Calphad相图计算、相场分析等多尺度计算，需要对各种可能组分进行计算筛选，必然带来高通量、高并发、长时间的大规模计算的需求。
工艺优化方面，目前铸造、焊接、锻压等大型制件和复杂制件的“变形-残余应力-缺陷”的控制水平需要进一步提高。现阶段由于缺乏相关国产材料数据、模型及其参数测定方法和设备，未建立模拟验证手段，因而建模仿真的可靠性不足。现有能力不能满足对船舶配套设备关键材料的纳观、微观、细观和宏观特性进行多尺度建模和仿真，对不同工艺过程进行多学科仿真与优化，对不同检测试验进行多场耦合分析和性能模拟的需求；现有软件尚未集成，只能应用于材料工艺流程局部，未打通工艺过程数据链。因此，针对工艺仿真需求量大、任务急迫的特点，亟需建设高通量物性测试系统、高并行计算能力的硬件系统和工艺仿真软件系统，提高重要材料制件的工艺控制水平。
服役性能方面，船舶配套材料制件的服役环境包括高温、高应变率冲击、高载荷等极端工况，实验周期长、费用高；制件在服役过程中存在缺陷的萌生、发展、裂纹扩展、失效等一系列损伤演化过程。在材料设计、制造阶段对服役行为进行研究，利用集成计算技术对含缺陷制件进行完整性分析，提出检测和修理的判定标准，可以降低实验成本、提高航行的安全性。
材料数据库方面，材料数据库设计、开发与集成应用是材料基因组技术的重要组成部分。材料研发数据、性能数据和服役数据的收集、整理和集成应用有助于将历史上积累的隐形经验显性化、有助于使服役数据反馈到新材料研制阶段形成闭环，从而加快材料研发流程。建立全流程覆盖的工业级的船舶材料数据共享平台，在互利互惠的基础上实现材料数据的分级分类共享，促进船舶材料工业的发展。
材料基因组在船舶设备中应用思路
短期内材料基因项目可以缩短船用材料研发周期并降低成本，长期来看还可以实现船用材料的按需设计。材料基因工程在船舶设备中应用的最终目标是通过理论模拟和计算完成产品的性能提升优化、新材料及新工艺技术应用和功能扩展，即优化产品的综合性能、完成新工艺研究和新产品研发。从而利用虚拟设计、虚拟制造、高通量、大数据和人工智能等技术推进船舶及配套设备的研发速度。
基于材料基因工程的船舶及配套设备材料研制大致流程是：根据材料基因工程化应用思路、结合船舶对材料的需求特点以及具体应用中的功能导向提出材料研制需求，根据需求并结合材料组分与最终性能之间的关系确定初步的候选材料配方和加工工艺，通过理论模拟和计算完成材料配方的优化，再通过试生产、装船试验等最终研制成功、开始服役、进入市场化应用阶段。
应用材料基因（组）方法进行船舶及其配套设备研发的具体方法为：根据船舶及其配套设备具体产品性能指标找到影响相关指标的关键零部件及其服役性能要求，根据提取出的关键材料服役性能数据，利用现有的材料数据库进行材料介观结构的设计。然后研究材料从介观结构到零部件制造全工艺流程的高通量计算方法并计算提取最优的材料相关性能和工艺数据。通过这一过程梳理出基于高通量和大数据的船用材料全工艺流程研究方法，同时不断丰富发展船用材料数据库及高通量材料计算平台。建立材料配方、加工工艺与产品性能的定量联系，根据定量联系建立虚拟试验验证的考核模型，利用虚拟试验技术进行虚拟试验验证。建立专用物理试验装置对实物零件进行试验验证，验证零部件服役性能与实际需求的符合性；同时，也不断丰富发展船用材料虚拟试验平台，以指导更多船用材料设计开发。
图3 材料基因在船舶及设备中应用路线图
MatAi产品以材料基因工程技术为框架，融合材料信息学、数据挖掘、机器学习及人工智能技术，加速新材料的研发与筛选，助力高新技术企业与科研机构，以低门槛、简易操作、高效率运用材料大数据技术进行材料设计、筛选与发现。
MatAi以iDataCenter系统为客户构建系统化、结构化及完整、规范的材料数据库，通过iDataInsight系统，为客户构建材料机器学习研究的解决方案。iDataInsight采用合适的模型进行训练与优化，实现对“材料-成分-工艺-组织-性能-服役”规律的可视化探究与发现。
,
