全球工程研究前沿重点解读

2020-02-28全球工程前沿项目组中国工程院

科技中国 2020年2期

■文/全球工程前沿项目组（中国工程院）

一、基于工业物联网的智能制造

工业物联网通过制造资源的网络互联、数据互通和系统互操作，实现制造资源的合理配置、制造过程的按需执行、制造工艺的持续优化和制造环境的快速适应，从而构建创新服务驱动的智能制造体系。当前相关研究体现在三个维度：一是智能产品全生命周期的智能感知和迭代优化，包括传感器、射频识别器等手段的感知设计、生产、物流、销售、服务等产业链海量数据并处理；二是制造系统层级的泛在连通和精准控制，包括设备层、控制层、车间层、企业层和供应链协同层的传感装置，分布式控制系统、制造执行系统、企业资源计划系统和产业链不同企业协同研发等；三是制造系统智能功能的数字建模和实时分析，包括要素协同、系统集成、信息融合和新兴业态，比如智能产品的个性化定制和预测性维修等。这些研究面临着互联互通技术和协议的复杂多样、应用实施的深度和广度各不相同、网络和数据安全的隐患众多等挑战，为此，近年来5G新型移动网络、人-信息-物理系统、软件定义网络、边缘计算、数字孪生等技术成为基于工业物联网的智能制造研究前沿和发展趋势。

为应对新工业革命下的全球竞争，“德国工业4.0”“美国先进制造”“中国制造2025”“英国工业2050”“日本再兴战略”等国家发展战略将智能制造列为制造业未来发展的重要方向。作为智能制造的关键使能技术，工业物联网研究已经全面渗透到了智能制造的各个领域，包括制造领域实体间的互联互通技术与方法、制造领域中数据信息建模与流动、制造领域创新应用模式和制造资源优化配置研究等。当前基于工业物联网的智能制造研究前沿和发展趋势，主要从三个维度（生命周期、系统层级和智能功能）、六个方向（智能感知、泛在连通、精准控制、数字建模、实时分析和迭代优化）上展开，积累了大量的理论方法及工程实践。

在维度上，当前生命周期维度研究工业物联网在系统架构生命周期的所有环节的应用，包括设计、生产、物流、销售、服务等一系列相互联系的价值创造活动组成的链式集合，侧重企业之间的协同互联；系统层级维度研究工业物联网在设备层、控制层、车间层、企业层和供应链协同层的应用，偏重企业内部的互联互通；智能功能维度研究工业物联网在要素协同、系统集成、信息融合和新兴业态中的应用，偏重制造到服务的转型，以及新的业务形态，比如产品预测性维修等。在方向上，当前工业物联网的智能感知研究，探索高效利用传感器、射频识别等感知手段获取产品全生命周期内的不同维度的信息数据方法；泛在连通研究制造资源数据的互联互通方法，包括机器与机器、机器与人、机器与环境之间的互联互通技术；数字建模研究制造资源到数字空间的映射，包括工业物联网下生产过程全要素的抽象建模；实时分析研究制造资源数据的直观化和可视化分析，探究工业资源状态在虚拟空间和现实空间的内在联系；精准控制研究工业物联网下制造资源精准的信息交互和无间隙协作；迭代优化研究工业物联网体系的自我学习与提升方法，探究制造资源、制造过程、制造工艺和制造环境的优化配置。

尽管基于工业物联网的智能制造在三个维度和各个方向取得重要进展，但仍面临着互联互通技术和协议的复杂多样、应用实施的深度和广度各不相同、网络和数据安全隐患众多等问题和挑战。近年来，人-信息-物理系统、5G新型移动、网络软件定义网络、边缘计算、数字孪生等得到了广泛的重视，包括三元体系与框架，大带宽、低时延和大连接通信，自动化和可编程网络，设备端本地计算，虚拟数字空间和物理设备空间映射等。

“基于工业物联网的智能制造”工程研究前沿中核心论文发表量排在前三的国家/地区分别为中国（7）、德国（6）、瑞典（6）和意大利（6），篇均被引频次排在前三的国家/地区为德国（38）、巴西（28）和法国（23.75），见表1。在发文量Top 10国家/地区中，中国、瑞典和瑞士合作较多，见图1。核心论文发文量排在前三的机构分别为ABB Corp Res（4）、Beijing Univ Posts & Telecommun（3）、Tsinghua Univ（3）和 Univ Padua（3），篇均被引频次排在前三的机构分别为Asea Brown Boveri Corp Res（34）、Cisco Syst（34）和 Ctr Commun Syst Res（34），见表2，在发文量Top 10机构中ABB Corp Res、Beijing Univ Posts & Telecommun和Tsinghua Univ间合作较多，见图2。施引核心论文发文量排在前三的国家/地区分别为中国（71）、意大利（61）和美国（52），见表3。施引核心论文的主要产出机构分别为ABB Corp Res（12）、Natl Res Council Italy（11）、Univ Fed Santa Catarina（7）和Univ Padua（7），见表4。

表1 “基于工业物联网的智能制造”工程研究前沿中核心论文的主要产出国家/地区

表2 “基于工业物联网的智能制造”工程研究前沿中核心论文的主要产出机构

图1 “基于工业物联网的智能制造”工程研究前沿主要国家/地区间的合作网络

图2 “基于工业物联网的智能制造”工程研究前沿主要机构间的合作网络

表3 “基于工业物联网的智能制造”工程研究前沿中施引核心论文的主要产出国家/地区

表4 “基于工业物联网的智能制造”工程研究前沿中施引核心论文的主要产出机构

二、类脑智能

人工智能已成为新一轮科技革命和产业变革的核心驱动力。与当前以算法为核心的人工智能技术路线不同，类脑智能试图借鉴、模仿进而超越生物大脑的感知和认知功能，是实现通用人工智能（强人工智能）这一终极目标的重要技术途径之一。

类脑智能的技术路线主要分为两种：自顶向下的功能模拟路线，自底向上的结构仿真路线。两者既针锋相对，又密不可分。功能模拟以认知科学为基础，借鉴大脑认知机理来设计新的人工智能模型，但由于揭示认知机理极端困难，因此突破时间难以预测。结构仿真以神经科学为基础，通过精细仿真生物神经元、突触和神经环路，试图构造出逼近生物神经系统的装置，再通过刺激训练产生类似功能，预计在数十年内会渐次突破。

近年来，大脑观测、解析技术与仪器快速进步，神经科学和认知科学快速发展，各国纷纷推出“脑计划”，如果蝇脑解析取得突破，人脑精细解析有望在20年内实现。与此同时，精细仿真生物神经元和神经突触的功能器件纷纷出现，首台能够精细仿真人类大脑的机器有望于2022年建成，结构仿真和功能模拟有望实现快速对接和互动，从而显著加速类脑智能的发展。

类脑智能研究工作可以追溯到20世纪80年代美国诺贝尔奖获得者杰拉尔德·艾德曼提出并研制的系列“仿脑机”和加州理工学院卡弗·米德教授开创的“神经形态工程”。2000年以来，发达国家相继启动神经形态计算系统研制。2015年10月美国能源部组织了“神经形态计算：从材料到架构”主题研讨会。2016年，3台大型神经形态计算系统相继上线运行：德国海德堡大学的Brain-ScaleS系统、英国曼彻斯特大学的SpiNNaker系统和美国IBM公司基于TrueNorth芯片构造的系统。类似系统还包括斯坦福大学的Neurogrid、英国阿尔斯特大学的Si elegans以及Intel公司近年来主推的Loihi神经形态芯片与系统。据2017年5月综述论文“A Survey of Neuromorphic Computing and Neural Networks in Hardware”统计，从1985年开始，神经形态技术相关的论文数量快速增长，累计2682篇，表明类脑系统工程技术实现是类脑智能方向发展的主力。

我国在类脑智能方面的相关研究超过10年。2015年9月，北京市启动实施“脑科学研究”专项，“脑认知与类脑计算”作为两大任务之一，从理论基础研究、类脑计算机研制和类脑智能应用3个层次布局了9方面任务，包括：大脑结构解析平台、认知功能模拟平台、神经形态器件、类脑处理器、机器学习芯片、类脑计算机、视听感知、自主学习和自然会话。专项调动了本地区脑科学研究力量协同攻关重大共性技术，取得了重要进展，例如：清华大学施路平团队提出了类脑混合计算范式架构，开发了“天机”系列类脑芯片，成果2019年作为封面文章发表在《Nature》；北京大学黄铁军团队对灵长类视网膜进行高精度解析仿真，提出模拟视网膜机理的仿生视频脉冲编码模型，2018年研制成功脉冲阵列式超速全时仿视网膜芯片，“超速”人眼千倍。国家级研究层面，2016年以来“脑科学与类脑智能”重大科技项目实施方案正式编制，预计不久将会启动。2018年科技部发布“科技创新2030—新一代人工智能”重大项目指南，明确将神经形态技术和芯片列为重要研究方向。

“类脑智能”工程研究前沿中核心论文的主要产出国家或地区分布情况见表5。美国脑科学研究基础雄厚，类脑智能研究也在学术机构和企业界全面展开，核心论文数量和被引频次均占全球一半以上。英国核心论文占全球近20%，德国、加拿大和荷兰各占10%左右，我国和瑞典、西班牙、意大利各占5%左右。我国的国际合作对象主要是美国与加拿大，其他国家之间的相互合作比较均衡（见图3）。核心论文产出机构也比较集中（见表6和图4），达到10篇的机构中，除了脑科学研究重镇瑞典卡罗琳斯卡学院外，均为脑科学与人工智能领域著名大学，如哈佛大学、耶鲁大学、麦吉尔大学、牛津大学、斯坦福大学、爱丁堡大学、剑桥大学和多伦多大学。施引核心论文数量方面（见表7），美国占比超过1/3，英国和我国超过10%，其他与产出国分布基本相当，表明我国在类脑智能领域追赶势头明显。排名前10位的施引核心论文产出机构中，6家来自美国（见表8）。

表5 “类脑智能”工程研究前沿中核心论文的主要产出国家/地区

表6 “类脑智能”工程研究前沿中核心论文的主要产出机构

图3 “类脑智能”工程研究前沿主要国家/地区间的合作网络

图4 “类脑智能”工程研究前沿主要机构间的合作网络

表7 “类脑智能”工程研究前沿中施引核心论文的主要产出国家/地区

表8 “类脑智能”工程研究前沿中施引核心论文的主要产出机构

三、先进核燃料和相关材料损伤机理及验证

核燃料包容了大部分的放射性物质，是核电厂阻止放射性物质释放的第一道防线，因此国际社会在开发先进核燃料的同时，也在大力开展核燃料与相关材料的损伤机理的研究。目前，针对当前压水堆燃料的损伤机理的研究重点主要集中于以下几方面：功率瞬态下燃料与包壳间相互作用，大破口失水事故下包壳失稳氧化、燃料碎片化和移位等行为，干法贮存下乏燃料包壳性能退化等。为了解释宏观上的燃料与材料行为，各研究机构在材料学上开展各类微观研究，掌握不同材料在各类腐蚀环境、中子辐照、温度场与应力场等条件下的材料行为，并结合分子动力学的方法，对先进核燃料与相关材料的损伤机理进行预测、评估与验证。

目前，根据已有的工程经验与材料辐照行为，已经能够较好地预测与评估现有的压水堆燃料在稳定运行条件下的包壳腐蚀、应力应变、裂变气体释放等行为，因此，当前国际上的研究重点主要集中在核电厂瞬态与事故场景下的材料损伤与失效机理研究方面。其中，功率瞬态下燃料与包壳间相互作用效应（Pellet-Cladding Interaction，PCI）涉及到包壳的初始微小裂纹在腐蚀性裂变气体气氛的作用下，由于燃料的挤压而不断扩展进而引起包壳失效。目前核电厂失水事故（Loss of Coolant Accident，LOCA）研究除了对包壳的失稳氧化特别关注之外，还要关注能够深刻影响该事故后果的燃料本身在事故过程中发生的碎片化和移位等行为。除了上述的堆内损伤机理与失效行为外，压水堆乏燃料干法贮存过程中乏燃料包壳的材料性能退化机理，包括氢化物重取向、延迟氢化开裂等，与干法贮存乏燃料安全性紧密相关，因此也是目前国际社会的重点研究方向。

先进核燃料与相关材料的损伤与失效行为的分析与机理研究，主要结合宏观与微观的多尺度研究分析来开展。宏观上是指开展各类实验，包括各类材料性能试验、离子辐照试验、再制棒（refabricatedrod）试验等，来获取材料在特定场景下的行为。微观则是指采用各类微观结构、形貌及成分分析工具，如金相显微镜、扫描电镜、透视电镜等，对材料内部的缺陷、位错、相变、偏析等材料表征进行研究，从而解释宏观上的材料行为。

为了更好地实现多尺度下材料行为与机理的统一，国际上多个国家均在分子动力学范畴上开展辐照条件下先进核燃料与相关材料损伤机理的研究，并建立相关模型来预测材料的辐照行为。

根据表9可知，该研究方向的核心论文产出数量较多的国家是美国、中国、韩国、瑞典、英国。其中，美国占据第一位，其核心论文比例达到64.15%；中国核心论文比例超过10%。

由表10可知，该研究方向的核心论文产出数量较多的机构是 Oak Ridge Natl Lab，Idaho Natl Lab，核心论文产出数均等于或超过10篇。

根据图5可知，较为注重该领域国家或地区间合作的有中国、美国、英国、德国、捷克、法国、韩国、瑞典。中国的发表论文数量较多，主要是与美国和瑞典进行合作发表。

根据图6可知，Oak Ridge Natl Lab，Idaho Natl Lab，Penn State Univ，Los Alamos Natl Lab 和Westinghouse Elect Co，Univ Wisconsin有合作。

表11中，施引核心论文产出最多的国家是美国，施引核心论文比例达到37.44%，中国达到26.99%，韩国达到10.92%。

表12中，施引核心论文产出最多的机构是Oak Ridge Natl Lab，施引核心论文比例达到29.03%，Korea Atom Energy Res Inst的施引核心论文比例达到10.26%。

通过以上数据分析可知，美国、中国在先进核燃料和相关材料损伤机理及验证技术的核心论文产出及施引数量处在世界前列，美国研究机构的施引核心论文数量较多。

表9 “先进核燃料和相关材料损伤机理及验证”工程研究前沿中核心论文的主要产出国家/地区

表10 “先进核燃料和相关材料损伤机理及验证”工程研究前沿中核心论文的主要产出机构

图5 “先进核燃料和相关材料损伤机理及验证”工程研究前沿主要国家/地区间的合作网络

图6 “先进核燃料和相关材料损伤机理及验证”工程研究前沿主要机构间的合作网络

表11 “先进核燃料和相关材料损伤机理及验证”工程研究前沿中施引核心论文的主要产出国家/地区

表12 “先进核燃料和相关材料损伤机理及验证”工程研究前沿中施引核心论文的主要产出机构

四、基于全寿命周期的绿色建筑设计方法

基于全寿命周期的绿色建筑设计方法是指从建筑材料和设备的生产、运输、使用到建筑设计、建造、运行和拆除的全寿命周期维度来开展建筑的绿色化设计，实现节约能源、土地、水和材料资源，保护环境，减少污染，为人们提供健康、适用、高效的使用空间，最大限度地实现人与自然和谐共生的高质量建筑的设计理论和方法。其主要研究方向包括与地域文脉相结合的建筑空间和性能整体优化设计方法，可再生可循环地域材料的开发及利用，全寿命期建筑材料、设备的含能和碳排放基础数据库开发，相关性能设计优化模拟软件工具的开发等。2013—2018年，该前沿相关的核心论文篇数为184，被引频次为7442，篇均被引频次为40.45。

近年来，由于社会和经济发展、科学技术的进步以及人民更加追求生活品质，对绿色建筑的需求已经从“量的增加”转换为“以人为本”意义上的“质的提升”，这直接推动绿色建筑的内涵从原有的“资源节约”拓展至“安全耐久”“健康舒适”“生活便利”以及“环境宜居”。因此，未来需要研究将安全、健康、舒适、便利、宜居、可感知等指标，纳入到绿色建筑的各个阶段并给出全寿命周期整体评价。信息、能源和材料新技术的发展带来了本领域关键技术突破的可能。为此，未来本领域技术发展的趋势包括在智慧、健康、以人为本的绿色建筑新内涵前提下，从单体到城区尺度的多专业全过程群协同设计新方法，人工智能辅助优化设计，性能导向的数字化设计，健康建筑/智慧建筑设计，主被动一体化的设备末端设计和新材料的开发应用等。

国内在此领域研究较多的包括清华大学、西安建筑科技大学、重庆大学、浙江大学以及中国建筑科学研究院等，国外较为活跃的研究机构包括美国劳伦斯·伯克利国家实验室、澳大利亚墨尔本大学、新加坡国立大学、意大利佩鲁贾大学等。此外还有较多的国际建筑设计软件企业和建筑设计公司如Revit、日建设计等关注此研究领域。研究产出包括国际期刊论文、数据库、软件工具和产品专利等。

基于全寿命周期的绿色建筑设计方法的核心论文共有184篇，核心论文的篇均被引数为40.45。核心论文产出排名前五的国家/地区为中国、美国、澳大利亚、意大利和英国（见表13），其中中国发表论文占比为22.83%，是该前沿的主要研究国家/地区之一。篇均被引数排名前五的国家/地区为中国、西班牙、美国、澳大利亚和瑞士，其中中国作者所发表的论文篇均被引频次为63.36，高于平均水平。说明中国学者在该前沿的研究工作受到了较多的关注。从排名前十的核心论文产出国家/地区合作网络（见图7）来看，中国与澳大利亚间的合作相对频繁。

根据核心论文的机构产出情况来看（见表14），该前沿排名前五的产出机构为中国的香港理工大学、新加坡国立大学、中国的重庆大学、中国的香港城市大学和澳大利亚的墨尔本大学。从排名前十的核心论文产出机构合作网络（见图8）来看，同一国家/地区内机构有所合作，但不同国家/地区机构之间合作较少。

施引核心论文产出前五的国家/地区为中国、美国、英国、澳大利亚和意大利（见表15），施引核心论文产出前五的机构为中国的香港理工大学、中国的清华大学、中国的重庆大学、中国科学院和新加坡国立大学（见表16）。根据论文的施引情况来看，核心论文产出国排名前五的国家/地区施引核心论文数也比较多，其中中国的发表论文数和施引论文数均排名第一，说明中国学者对该前沿的研究动态保持比较密切的关注和跟踪。