材料基因组技术内涵与发展趋势

关永军，陈　柳，王金三

(北京航空材料研究院 材料基因组技术研究中心， 北京 100095)



材料基因组技术内涵与发展趋势

关永军，陈柳，王金三

(北京航空材料研究院 材料基因组技术研究中心， 北京 100095)

材料基因组计划旨在变革材料传统研发模式，从而缩短材料研发周期并降低其研发成本。主要从航空材料领域对材料基因组技术需求的角度，对材料基因组技术的具体内涵进行阐述与讨论。提出发展材料基因组技术需要建设的主要内容包括高通量计算、高通量实验、以及材料信息学与数据库平台。在发展方向上，提出发展材料信息学与数据库、集成计算材料设计、材料虚拟工艺、材料虚拟服役四方面技术与能力。

材料基因组计划；高通量；计算材料；数据库；数据挖掘

自美国在2011年宣布实施材料基因组计划以来，迅速得到世界范围内不同研究方向的材料科学家的积极响应。材料基因组技术旨在利用并发展材料科学研究中的相关知识，通过计算材料科学方法与先进的实验技术，缩短新材料的研发周期并降低其成本[1-4]。

材料科学中成分、工艺、微结构和性能之间的关联规律一直是传统材料研究领域的核心工作。在材料基因组技术的创新研究思路下，传统材料科学研究预期具有以下新特点：(1)材料成分、工艺、微结构与性能之间的相互关联规律不再独立存在，而是合并为一个整体对象进行研究与讨论；(2)材料加工工艺与微结构研究中将大量使用数字化与定量化的表达，取代传统材料研究方法中的图像定性或半定量描述；(3)数据挖掘技术有望发现材料成分、工艺、微结构与性能之间新的关联规律；(4)材料成分、工艺、微结构与性能之间关联规律的建立将不再完全依赖实验数据，计算机模拟技术在新规律的发现与验证中将发挥重大作用。

材料基因组技术融合了材料科学、固体力学、信息科学、软件工程、先进实验方法等学科，采用数值模拟、数据库及数据挖掘、人工智能等技术研究材料的工艺过程、微/细观结构、性能和服役行为等，阐明成分、微结构和工艺对性能的控制机制，引导并支撑实体材料的研发和应用[1,5-8]。但是，不同领域、不同研究方向的材料科学家对材料基因组技术的解读有不同的侧重，本文从航空材料(如高温合金、钛合金等)领域对材料基因组技术的需求与应用，阐述材料基因组技术的基本内涵、建设内容与能力布局。

1　高通量集成计算

高通量材料集成计算思路在一定程度上受到了组合化学方法在新药物研发过程中所取得巨大成就的启发。通过并行开展不同基本单元的系统性组合，得到大量具有不同结构与组分的化合物，并快速筛选以获得具有目标性能的单元组合模式，从而加速新药物的研发进程[9-14]。高通量材料集成计算技术利用第一性原理计算、分子动力学与位错动力学、合金相图计算、相场计算等方法，快速并行模拟实验室中成分与性能优化的传统试错式材料研发过程，并基于材料科学知识，迅速挑选有利于目标性能的合金成分与微结构特征，从而加速新材料的研发进程，并显著降低材料研发成本。

1.1基于CALPHAD的合金成分设计

相图反映了材料在特定温度、压力和化学成分等条件下的相组成，是研究合金中成分、工艺与性能相互关系，并实现性能优化的重要基础。在20世纪60年代以前，主要通过实验测定的方法来绘制相图。实验测定合金相图存在耗时长、成本高等缺点，且多局限于一些简单的二元或三元系，难以获得复杂合金体系的相图，从而制约了现代复杂多元合金的设计与开发。

热力学计算是另一种相图绘制手段。Gibbs在1875年建立了现代热力学的理论框架，Van Laar以及随后的一些学者提出通过热力学数据可获得对应的相图，甚至可得到材料在部分条件下的微观组织。在20世纪60年代初，物相计算技术(PHACOMP)开始在镍基高温合金设计工作中发挥作用[15-16]。PHACOMP在本质上仍然依赖于经验公式和实验数据，但它表明了多元合金体系的相图数据对于合金的微观组织控制是非常重要的。在70年代出现的相图计算技术(CALPHAD)为合金设计提供了更强大的支撑[17-18]。CALPHAD技术利用热力学原理计算多元系的物相平衡，可获得具有热力学自洽的平衡相图。

利用CALPHAD计算可快速获得复杂合金体系在不同压力与温度下的相组成，结合不同物相对材料力学、化学以及热学等性能的影响规律，实现合金成分调控进而优化合金性能的目的。例如，Cu元素可以有效提高钢铁材料的耐腐蚀性能，但是含Cu的钢材在热处理过程中，因表层氧化导致Fe元素流失，容易在晶界处形成低熔点的富Cu区，从而降低表层延展性并导致冷轧过程中发生表面开裂。利用CALPHAD计算可知Ni元素显著影响Fe-Cu合金的物相组成，当Ni%/Cu%(质量分数，下同)比值大于1时，在热处理温度下低熔点富Cu相消失，从而推断当Ni%/Cu%大于1时，表面开裂将被抑制，这一结论在实际工艺过程中得到了验证[19]。

基于CALPHAD的合金成分调控与性能优化需要对物相-性能相互关系具有充分的理解与认识。因此，CALPHAD计算往往与材料的实验研究相结合，通过实验手段获得不同物相影响材料力学、热学、电化学等性能的基本规律，然后利用CALPHAD计算不同合金体系下的相图，利用相图揭示化学成分-物相之间的关联规律，从而建立合金成分-物相-性能之间的关联规律，进而实现合金的成分优化并获得优异的使用性能。

1.2多尺度计算模拟应用于新材料研发

多尺度计算模拟是第一性原理计算、分子动力学、热力学与动力学、有限元等计算方法的集成应用。第一性原理是基于原子核与电子相互作用的量子力学规律，不需要通过大量经验或者数据拟合得到可调参数，而是通过求解量子力学方程来计算微观体系的总能量、电子结构等，进而获得结构能、生成热、相变热和热力学函数等[20]。第一性原理计算可以使被模拟体系的行为与特征更加接近真实情况，是传统实验手段的重要补充。图1为利用第一性原理计算方法，筛选稀土元素在NbSi金属间化合物中可能存在的化合物结构。通过计算化合物形成焓，发现NbII结构是可能稳定存在的。

第一性原理的电子结构计算和统计力学相结合可以获得合金的热力学函数随成分、温度和压力的变化，从而获得材料的热力学参数并存入CALPHAD热力学数据库，进而得到合金体系的二元或多元相图。通过第一性原理计算与集团变分法或蒙特卡罗方法相结合，可以直接计算一些简单体系二元相图。此外，CALPHAD与热力学和动力学计算的结合可实现材料在非平衡状态下物相组成与微结构演化的计算[4]。瑞典皇家工学院和马普研究所合作研究并开发出一个重要的动力学计算程序——DICTRA[21-22]，它是一个模拟扩散性相变的软件包，已集成为Thermo-Calc程序的一个子软件。许多不同的模型已经被合并到DICTRA软件里，DICTRA可同时求解液态和固态下控制相变相关扩散的热力学问题[21]。运用DICTRA中不同的模型，可以模拟多种具有实际意义的工业过程，例如，多组分合金中的均质化、渗碳、微偏析和粗化，以及硬质合金的梯度烧结、合金的瞬时液相焊接、电子材料焊接等。

多尺度集成计算的另一个重要发展方向是结构件服役行为的计算机模拟，尤其是发动机热端部件(如涡轮盘与涡轮叶片)等工作于极端条件下的关键零部件的服役行为模拟。从宏观上讲，通过有限元方法，结合实验测得的关于构件服役温度与压强等环境参数，可建立热端部件在不同服役环境下整体的应力场与温度场。发动机热端零部件在服役过程中存在疲劳、蠕变、以及裂纹萌生与扩展等影响发动机完整性与服役寿命的关键问题。从微观层面上讲，位错在滑移面上的往复滑移、位错攀移、相界面滑动、驻留滑移带以及微裂纹萌生与扩展等微观过程，是导致热端部件性能蜕化并失效的关键因素。利用分子动力学与位错动力学等原子尺度的模拟技术[23-24]，以及描述多晶协调变形的晶体塑性有限元方法和微观组织演化的相场模拟[25-26]，结合相应的实验测试结果，可模拟位错滑移与驻留滑移带的形成与演化过程，揭示热端部件在不同服役环境下的疲劳与蠕变失效机制，建立疲劳与蠕变机制与服役环境(动态的应力场和温度场)、以及合金成分之间的关联，为加速新一代国防装备的建设、推动关键装备中重点技术突破提供新的视野与有力支撑。

2　高通量实验技术

新时期国防工业在发展中出现装备更新速度快、服役环境苛刻、新材料研发周期长、所需材料无法满足装备性能设计需求等特点。因此，急需对传统材料研发模式进行根本性的革新，以满足国防工业日益发展对航空新材料的需求。传统材料研发模式依赖于成分与工艺的不断“试错”实验优化，结合对结构-性能关系的不断理解，以获得满足性能指标的材料。但是，新型关键材料具有成分多元化、复杂化、微结构多级化等特点，传统的“试错”模式在实际材料开发中不仅耗费巨大，而且几乎难以取得成功。

高通量实验平台是发展材料基因组技术必须具备的条件之一。材料基因组技术强调计算材料科学在变革材料研发模式中的重要地位，但并不意味着这种创新的材料研发模式可以脱离实验技术支撑，或者仅仅需要一些已经具有的、通过传统实验手段就可以简单获得的实验数据。此外，对高通量实验技术认识的另一个常见误区是强调实验技术的“验证”角色，认为如果不需要验证计算结果的可靠性，高通量实验技术是可有可无的。实际上，高通量实验技术贯穿材料基因组技术的整个范畴：材料数据库、高通量集成计算、材料制备工艺仿真、材料服役状态下力学行为的计算机模拟。

就数据库而言，高通量实验平台可以为数据库提供数据支撑。如材料的热力学与动力学数据、不同合金成分对应的弹性模量、硬度、扩散系数、热导率等力学与物理性能数据。这些数据如果通过传统方法进行实验测试，不仅耗费巨大，而且周期过长，从而使材料研发速度严重滞后于工业零部件的实际需求，使关键装备的发展受困于关键材料瓶颈。就高通量集成计算而言，高通量实验技术为各种计算模拟工作提供计算目标，比如：通过高通量实验技术发现高温相对合金力学性能起到关键作用，在计算模拟时只需要寻找扩大并稳定对应高温相的合金元素类别与含量即可。就材料制备工艺仿真与服役行为模拟而言，需要大量的材料本构关系与热物性参数。如果是传统金属材料，这些数据可以查阅相关文献。但对于不断涌现的新合金和新工艺，需要及时提供大量的热物性参数与本构模型用于材料和工艺的计算机模拟。传统实验测试方法很难满足这些需求，而高通量实验平台则很好地解决了这些问题。

材料基因组概念中的高通量实验技术具有快速制备快速表征各类金属与非金属样品的能力，典型的高通量实验方法有扩散多元结[27]与材料基因芯片[28-29]等技术。制备扩散多元结的基本原理可以通过扩散偶来理解[30-31]：当两种异质金属紧密接触并在高温下发生相互扩散，将形成一个元素成分呈梯度变化的扩散区，通过对扩散区元素的测定与物相分析，很容易得到这两种异质金属的二元相图。同理，如果三种元素紧密接触并在高温下完成扩散，通过对扩散区元素成分的测定与物相检测，将获得材料对应的三元相图。此外，结合微区物理与力学性能测试分析技术，如纳米压痕、微/纳小柱压缩、飞秒激光时域热反射等实验方法与技术，可获得扩散多元结中不同成分对应的硬度、弹性模量、热导率等重要参数，从而指导新材料研发过程中的成分优化与微观组织控制。

组合材料芯片技术是重要的高通量实验技术之一，通过计算机控制下的离子束溅射与磁控溅射，结合靶材自动切换与物理掩模技术，可在较小的基材上制备出成分、工艺、微结构连续或准连续变化的材料芯片[26-28,32-34]，比如，在10 mm×10 mm范围可获得成百上千个具有不同成分与工艺参数的样品。此外，利用同步辐射与纳米压痕等技术，可对材料芯片中不同样品的微结构、力学、物理等性能进行测试与表征，如材料的硬度、弹性模量、热导率、比热容、热膨胀系数等[35-38]。基于材料芯片的成分、微结构、以及性能测试与表征数据，可快速获得并建立目标材料的成分-微结构-力学性能关系，从而为材料基因工程数据库的大数据挖掘提供数据支撑，并为全面认识目标材料的结构性能关系提供证据。利用基于组合材料芯片技术的快速制备快速表征技术，可对多种金属材料(如高温合金、Ti合金、Al合金等)的相图进行绘制，并对其微结构及演化进行表征，从而获得相互关联的成分、微结构、性能等信息。

此外，高通量实验平台不仅包含制备材料芯片或者扩散多元结的样品制备设备，以及微区力学性能、物理性能等快速检测快速表征设备，如纳米压痕、微区3D数字成像、时域热反射装备等，也包括必备的传统力学性能测试与微结构表征装备，如万能试验机、X射线断层扫描与重构等。这些装备是小样品制备、微区结构分析与性能检测装备的重要补充。

3　材料信息学与数据库技术

近年来，大数据这一概念在科学与工程领域兴起并快速扩展，引起大量不同领域研究者的广泛兴趣。现代科学与工程的各个领域都会涉及大数据的概念，例如：Navier-Stokes湍流模拟过程中追踪流场演变所产生的数据、分子动力学模拟金属塑性变形过程中存储原子空间位置所产生的数据、Hubble望远镜资料库中记录星体光谱信息的数据等[39-40]。

数据可以看作是感兴趣参量的具体数值，这些参量在空间与时间上的一系列数值就构成数据集，不同的数据集结合到一起并按照一定的协议实现相互调用，体量巨大的、结构性的数据集就构成大数据。利用物理层面的分布式服务器对随时间不断膨胀的数据集进行存放，利用通讯协议实现服务器中数据集的远程调用与管理，利用专门的算法对不同数据集自身和数据集之间进行分析并提取有价值的信息，并用专门的软件实现数据分析的可视化，就构成了基于大数据方法的材料数据库技术。

大数据在应用于材料科学与工程领域之前，在其他领域已有多年发展与应用的经验，这些经验对材料科学与工程领域的大数据应用具有重要的借鉴意义。根据这些经验，典型的大数据应用包含数据管理、数据分析、以及数据协作三个环节。例如，美国海洋与大气管理局拥有若干数据中心，分别采集关于海洋环境、气候、地球物理等卫星数据，数据中心将实时采集的数据进行存储、归档，并利用解释性语言和可视化软件对数据进行分析。同时，分析人员可以通过数据文档系统查阅所感兴趣参数的历史数据。不同数据中心或者远程分析人员可以通过OPeNDAP系统访问专用的数据服务器，实现不同终端的数据协作。

基于材料基因组技术的材料发展计划将大数据概念与传统的材料发展紧密联系在一起。从材料、工艺，直到最终的结构件，需要涉及大量的、不同类型的数据。图2为不同阶段、不同尺度范畴结构材料涉及的图像以及背后存在的潜在海量数据[40]。大数据概念已经深入到材料科学与工程的各个方面，如材料成分筛选、工艺优化、微结构机理分析、以及物理与力学性能评估等。就一种特定的材料而言，完整的数据信息由结构性数据与非结构性数据构成。结构性数据包括化学成分、加工与热处理工艺、微观组织特征、物理性能、以及力学性能(如强度、伸长率、疲劳寿命、裂纹扩展速率、蠕变速率、温度与应变率敏感性等)；非结构性数据包括测试所用的仪器设备、测试与检测标准、测试环境温度与气氛条件等影响实验数据适用范围、可靠性与置信度等限制性条件，以及为便于数据传播与理解的解释性信息。

材料信息学通过数据管理、数据分析与数据协作，实现从已有数据中提取高价值信息与知识的目的。所谓的高价值信息与知识，可以概括为工艺-微结构-性能相互关系。这一关系不仅仅是工艺-微结构-性能数据集，更重要的是根据数据集和特殊算法得出的相互之间的关联规律。

Kalidindi提出材料信息学具有分层次多级目标[40]，图3是多层次目标的示意图。第一层次的目标是通过数据分析得出微观组织在工艺过程中的演化规律，并归纳不同微结构特征对性能的影响趋势。数据分析主要是针对感兴趣的数据集，通过一定的规则剔除异常数据，过滤数据正常波动所产生的噪音并扣除测试标准差异所产生的背底，从而发现并提取出高价值的参量关联规律。例如，金属热处理过程中存在大量关于晶粒尺寸、热处理温度、保温时间的数据，如果利用已有数据分析热处理温度与保温时间对晶粒尺寸的影响规律，容易得到晶粒尺寸与热处理温度成指数关系、而与保温时间成正比例关系的结论；另一个例子是金属屈服强度与晶粒尺寸的关系，通过数据分析可以得到屈服强度与晶粒平均尺寸成反比的结论。

图3　材料信息学从数据到知识的多层次目标示意图Fig.3　Hierarchical scheme for the main objectives of material information science

第二层次的目标是在第一层次的规律上建立严格的、基于数学表达式的工艺-微结构、微结构-性能关系。例如，金属物理学中的Johnson-Mehr方程就是定量描述晶粒生长与温度和保温时间相互关系的数学表达式；Hall-Petch关系就是定量描述金属材料屈服强度与晶粒尺寸关系的数学方程。

第三层次目标是在第一、二层次工作基础上，根据海量的工艺-微结构-性能相互关系，针对材料在具体环境中的应用问题，直接逆向给出材料设计方案。比如，针对材料在某一温度下的强度不得低于某一临界值这类问题，根据该材料的工艺-微结构-性能关系，逆向判断该材料应该具备的微结构形态与参数，以及要获得这种微结构应该采取的热处理与加工工艺方案。

4　材料基因组技术关键能力建设

传统材料科学与工程的研究思路是通过成分(C)、工艺(P)的调整，获得具有理想微结构(S)与性能(P)匹配的目标材料。传统材料研究思路更多依赖于经验累积与不断试错，而材料基因组技术体系下的材料研发思路，是集成实验、计算和数据库技术，建立成分、工艺、微结构、性能之间的内在定量关联，即定量化的CPSP关系，然后根据材料在性能(如强度、塑性、疲劳寿命、蠕变率等)方面的实际需求，逆向设计符合性能要求的微结构；根据成分、工艺与微结构之间的关系，设计并优化具体的材料成分与制备工艺，即PSPC逆向解决成分设计与工艺优化问题。

为实现从传统材料研发的CPSP试错模式到材料基因组的PSPC按需设计模式的转变，需要布局四方面能力：(1)材料信息学与数据库技术；(2)集成计算材料设计能力；(3)材料虚拟工艺技术；(4)材料虚拟服役技术。

(1)材料信息学与数据库技术：材料信息学是现代先进材料研发的重要技术手段与发展趋势，以数据库技术为基础，面向材料设计、材料研制、性能查询与分析、设计选材应用等不同层次的需求，对材料数据的定义、结构表达及应用技术进行深入研究，建设材料数据库及专家系统；探索和提出行业的材料数据管理流程和数据共享方案，并在此基础上建设材料数据管理与应用平台；为材料的研制和选材应用提供专业化的材料数据信息系统解决方案。

(2)集成计算材料设计：集成计算材料设计是利用集成计算手段，通过对材料的成分组成、微观组织、性能等进行多尺度建模计算，实现材料研发模式转变的一种新方式。相比传统的“试错”模式，具有大幅压缩研发周期、大幅降低研发成本的显著优势，对于将来材料研究与实现材料自主创新具有不可估量的重要作用。材料虚拟设计技术主要包括材料原子尺度高通量计算技术、材料计算相图与成分设计技术、材料微观组织与性能预测技术等关键技术元素，从时间与空间上涵盖了原子尺度第一性原理方法、计算热力学方法、介观尺度相场方法、材料性能计算基础物理模型等计算方法以及高通量快速制备与表征实验技术，使新材料设计打通了材料成分-工艺-组织-性能的四面体关系，是实现材料高效率精准研发的一种创新模式。

(3)材料虚拟工艺技术：采用多尺度数值模拟的方法对铸造、锻压、焊接、热处理、复合材料成型等各类材料加工工艺进行虚拟仿真，通过多物理场耦合计算，准确预测材料制备过程中的各种场变量、组织性能、残余应力与变形控制、缺陷信息以及设备载荷等，进而指导材料制备工艺的优化设计，实现材料的高效、低成本制备。材料虚拟制备技术专业的特点是：1)多尺度，材料加工工艺模拟不仅关注材料在制备过程中的宏观行为，而且关注微观结构的控制及其对性能的影响，涵盖微观、介观、宏观三个尺度；2)需要实验数据支持与验证，材料加工工艺仿真的准确性直接依赖于用于建模的材料参数及边界条件参数的准确性，因此，材料虚拟制备技术需要实验数据的支持和验证。材料数字建模与仿真专业涉及的技术领域包括元胞自动机法、相场法、有限元法等微观、细观、宏观等不同尺度上模拟计算方法，以及材料成形理论、材料加工工艺、材料微结构力学等材料学理论。

(4)材料虚拟服役技术：以损伤力学、断裂力学、细观力学、分子动力学、流体动力学、传热学等相关理论为基础，以计算机模拟技术如有限元分析、多物理场模拟、晶体塑性有限元、分子动力学、位错动力学、计算流体动力学等为手段，针对材料及装备在复杂的高温、高应变、多轴载荷等实际工作环境，从宏观、介观、微观、纳观等尺度综合分析模拟材料微观结构演化与疲劳、蠕变、断裂、损伤容限等服役性能的过程与机理，预测服役寿命，从而为新材料的研发、新装备的结构设计与优化提供集成计算的技术支撑。

5　总　结

材料基因组技术基于计算材料科学、高通量实验表征与测试、数据库与数据挖掘技术等，是对传统新材料研发模式提出的全新的变革，是材料科学研究与新材料研发在新时期的重要突破与创新，是解决国计民生与国防工业中关键技术材料瓶颈的重要途径。自材料基因组计划提出以来，得到材料科学家的积极响应并取得一系列重要进展。但是，在当前条件下完全建成材料基因组技术所需要的软件与硬件基础，完全抛弃实验支撑而直接计算出新材料的成分与工艺，实现新材料的完全按需设计，仍然是不现实的。

通过建设与发展高通量计算模拟、高通量实验样品制备与表征、服役环境下材料力学行为的计算模拟、以及数据库等技术，并基于已有的海量实验数据结果，充分利用传统材料科学领域中对材料成分、工艺、微结构与力学性能相互关联规律的认识，积极发挥材料基因组技术在新材料研发过程中的作用、切实推进材料基因组技术发建设与发展，对充分认识并全面推进材料基因组技术在新材料研发中的变革与突破，具有极其重要的意义与价值。

[1] CHRISTODOULOU J A. Integrated computational materials engineering and materials genome initiative: accelerating materials innovation [J]. Advanced Materials & Processes, 2013, 171(3): 28-31.

[2] De PABLO J J, JONES B, KOVACS C L,etal. The materials genome initiative, the interplay of experiment, theory and computation [J]. Current Opinion in Solid State and Materials Science, 2014, 18(2): 99-117.

[3] OLSON G. Genomic materials design: the ferrous frontier [J]. Acta Materialia, 2013, 61(3): 771-781.

[4] OLSON G, KUEHMANN C. Materials genomics: from CALPHAD to flight [J]. Scripta Materialia, 2014, 70:25-30.

[5] BACKMAN D G, WEI D Y, WHITIS D D,etal. ICME at GE: accelerating the insertion of new materials and processes [J]. JOM, 2006, 58(11): 36-41.

[6] GÜVENÇ O, ROTERS F, HICKEL T,etal. ICME for crashworthiness of TWIP steels: from ab initio to the crash performance [J]. JOM, 2015, 67(1): 120-128.

[7] PANCHAL J H, KALIDINDI S R, McDOWELL D L. Key computational modeling issues in integrated computational materials engineering [J]. Computer-aided Design, 2013, 45(1): 4-25.

[8] 刘梓葵. 关于材料基因组的基本观点及展望 [J]. 科学通报, 2013, 58(35): 3618-3622.

(LIU Z K. On the basic principles and future outlook of materials genome initialative [J]. Chinese Science Bulletin, 2013, 58(35): 3618-3622.)

[9] CURTAROLO S, SETYAWAN W, WANG S,etal. AFLOWLIB.ORG: a distributed materials properties repository from high-throughput ab initio calculations [J]. Computational Materials Science, 2012, 58:227-235.

[10] 王曦, 汪小我, 王立坤, 等. 新一代高通量 RNA 测序数据的处理与分析 [J]. 生物化学与生物物理进展, 2010, 37(8): 834-846.

(WANG X, WANG X W, WANG L K,etal. Processing and analysis to new generation of high throughput RNA sequencing data [J]. Progress in Biochemistry and Biophysics, 2010, 37(8): 834-846.)

[11] 滕晓坤, 肖华胜. 基因芯片与高通量 DNA 测序技术前景分析 [J]. 中国科学C辑, 2008, 38(10): 891-899.

(TENG X K, XIAO H S. Analysis to gene chips and high throughput DNA sequencing technology [J]. Science in China Series C, 2008, 38(10): 891-899.)

[12] 杜冠华. 创新药物研究与高通量筛选 [J]. 中国新药杂志, 2001, 10(8): 561-565.

(DU G H. Innovative drug research and high throughput screening [J]. Chinese New Drugs Journal,2001, 10(8): 561-565.)

[13] 王卓, 杨小渝, 郑宇飞, 等. 材料基因组框架下的材料集成设计及信息平台初探 [J]. 科学通报, 2013, 58(35): 3733-3742.

(WANG Z, YANG X Y, ZHENG Y F,etal. Integrated design of materials and the information platform under the framework of materials genome initiative [J]. Chinese Science Bulletin, 2013, 58(35): 3733-3742.)

[14] CURTAROLO S, HART G L, NARDELLI M B,etal. The high-throughput highway to computational materials design [J]. Nature Materials, 2013, 12(3): 191-201.

[15] MORINAGA M, YUKAWA N, ADACHI H,etal. New PHACOMP and its application to alloy design [C]∥ Proceedings of the Fifth International Symposium Superalloy. Warrendale, USA:TMS-AIME, 1984.

[16] CIESLAK M, KNOROVSKY G, HEADLEY T,etal. The use of new PHACOMP in understanding the solidification microstructure of nickel base alloy weld metal [J]. Metallurgical Transactions A, 1986, 17(12): 2107-2116.

[17] LUKAS H L, FRIES S G, SUNDMAN B. Computational thermodynamics: the Calphad method [M]. Cambridge: Cambridge University Press, 2007.

[18] SPENCER P. A brief history of CALPHAD [J]. Calphad, 2008, 32(1): 1-8.

[19] 苏航, 柴峰, 王卓, 等. CALPHAD热力学计算及其在钢铁新产品研发中的应用[C]∥ 2010中国材料研讨会. 长沙：中国材料研究学会，2010.

(SU H, CAI F, WAMG Z,etal. CALPHAD thermodynamic calculation and its application in the research and development of new products of iron and steel[C]∥ China Materials Conference 2010. Changsha:C-MRS, 2010.)

[20] 王绍青, 叶恒强. 晶体材料基因组问题第一原理计算研究 [J]. 科学通报, 2013, 58(35): 3623-3632.

(WANG S Q, YE H Q. Study on the first principles calculation of the genome of crystal materials [J]. Chinese Science Bulletin, 2013, 58(35): 3623-3632.)

[21] ANDERSSON J O, HELANDER T, HÖGLUND L,etal. Thermo-Calc & DICTRA, computational tools for materials science [J]. Calphad, 2002, 26(2): 273-312.

[22] BORGENSTAM A, HÖGLUND L, ÅGREN J,etal. DICTRA, a tool for simulation of diffusional transformations in alloys [J]. Journal of Phase Equilibria, 2000, 21(3): 269-280.

[23] HAILE J. Molecular dynamics simulation [M]. New York: Wiley, 1992.

[24] NADGORNYI E. Dislocation dynamics and mechanical properties of crystals [J]. Progress in Materials Science, 1988, 31:1-530.

[25] DUNNE F, KIWANUKA R, WILKINSON A. Crystal plasticity analysis of micro-deformation, lattice rotation and geometrically necessary dislocation density[C]∥ Proceedings of the Proc R Soc A, London:TRS, 2012.

[26] FURRER D U. Application of phase-field modeling to industrial materials and manufacturing processes [J]. Current Opinion in Solid State and Materials Science, 2011, 15(3): 134-140.

[27] 赵继成. 材料基因组计划中的高通量实验方法 [J]. 科学通报, 2013, 58(35): 3647-3655.

(ZHAO J C. High throughput experimental methods in materials genome project [J]. Chinese Science Bulletin, 2013, 58(35): 3647-3655.)

[28] XIANG X D. Combinatorial materials synthesis and screening: an integrated materials chip approach to discovery and optimization of functional materials [J]. Annual Review of Materials Science, 1999, 29(1): 149-171.

[29] XIANG X D, TAKEUCHI I. Combinatorial materials synthesis [M]. Bocal Raton: CRC Press, 2003.

[30] ZHAO J C. A combinatorial approach for structural materials [J]. Advanced Engineering Materials, 2001, 3(3):143-147.

[31] ZHAO J C. A combinatorial approach for efficient mapping of phase diagrams and properties [J]. Journal of Materials Research, 2001, 16(6): 1565-1578.

[32] RAJAN K. Combinatorial materials sciences: experimental strategies for accelerated knowledge discovery [J]. Annu Rev Mater Res, 2008, 38:299-322.

[33] LUDWIG A, CAO J, BRUGGER J,etal. MEMS tools for combinatorial materials processing and high-throughput characterization [J]. Measurement Science and Technology, 2004, 16(1):108-111.

[34] CAWSE J N. Experimental design for combinatorial and high throughput materials development[M]. New York: Wiley-Interscience, 2003.

[35] 高琛, 项晓东, 吴自勤. 发现和优化新材料的集成材料芯片方法 [J]. 物理, 1999, 28(11): 675-678.

(GAO C, XIANG X D, WU Z Q. Discovery and optimazation of novel materials by the integrated material chip approach [J]. Physics,1999, 28(11): 675-678.)

[36] 罗岚, 徐政, 许业文, 等. 物理气相法制备材料芯片的发展 [J]. 材料导报, 2004, 18(2): 69-71.

(LUO L, XU Z, XU Y W,etal. Development of the preparation of materials by physical vapor deposition method [J]. Materials Review,2004, 18(2): 69-71.)

[37] 刘茜, 陈伟, 刘庆峰, 等. 组合材料芯片技术应用最新进展—新型合金材料的快速发现和优选 [J]. 科技导报, 2007, 25(23): 64-68.

(LIU Q, CHEN W, LIU Q F,etal. Current development of combinational materials approach for fast discovering and screening of new alloy materials [J]. Science & Technology Review,2007, 25(23): 64-68.)

[38] 朱丽慧, 朱硕金, 刘茜, 等. 组合材料芯片技术及其在金属材料研究中的应用 [J]. 机械工程材料, 2008,32(1):1-4.

(ZHU L H, ZHU S J, LIU Q,etal. Application of combinatorial material chip approach to research of metal materials[J]. Materials for Mechanical Engineering, 2008, 32(1):1-4.)

[39] YU H, KANOV K, PERLMAN E,etal. Studying Lagrangian dynamics of turbulence using on-demand fluid particle tracking in a public turbulence database [J]. Journal of Turbulence, 2012, 13:1-12.

[40] KALIDINDI S R, De GRAEF M. Materials data science: current status and future outlook [J]. Annual Review of Materials Research, 2015, 45:171-193.

(责任编辑：王俊丽)

Materials Genome Technology and Its Development Trend

GUAN Yongjun,CHEN Liu,WANG Jinsan

(Materials Genome Center, Beijing Institute of Aeronautical Materials, Beijing 100095, China)

The materials genome initiative (MGI) was launched to reform the traditional modes to develop novel materials, which were expected to shorten the development cycle with simultaneous decreasing of costs. In this paper, the connotations of MGI was discussed in detail, especially from the viewpoint of requirements to aero materials. The development of MGI requires techniques aimed to high throughput computation and experiment, together with large-scale data mining based on material database. To the direction of MGI technique, we emphasize the following four aspects: material information science and database technique, integrated computation, processing simulation of materials and computational simulation of service.

materials genomic initiative; high throughput; computational materials; database; data mining

2016-03-31；

2016-04-15

关永军(1977—)，男，博士，副研究员，主要从事航空材料科学与工程集成计算，(E-mail)guanbiam@163.com。

10.11868/j.issn.1005-5053.2016.3.008

TB30；V250

A

1005-5053(2016)03-0071-08