登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《跨学科的材料科学是进步的关键》

  • 来源专题：可再生能源
  • 编译者： pengh
  • 发布时间：2017-11-14

  • 前桑迪亚国家实验室执行主任朱莉娅·m·菲利普斯(Julia m . Phillips)告诉研究人员，在上个月举行的麻省理工学院材料研究实验室(MRL)材料日研讨会上，跨学科材料研究是解决人类面临的生存挑战的关键。

    菲利普斯在10月11日的活动上说:“作为材料研究人员，我们都很兴奋，也有点让人沮丧的是，材料的真正影响发生在它们变成了你口袋里随身携带的东西的时候。”

    她说，在20世纪后半叶，我们今天认为理所当然的许多技术进步，如笔记本电脑和智能手机，都来自于材料研究的基本进步，以及控制和制造材料的能力。菲利普斯从桑迪亚国家实验室(Sandia National Laboratories)退休，担任副总裁兼首席技术官。他还担任MRL外部咨询委员会(MRL)的主席，也是国家科学委员会(National Science Board)的成员。

    MRL是由材料加工中心和材料科学与工程中心合并形成的，该中心于10月1日生效。在他的引言中，MRL主管Carl v . Thompson注意到Geoffrey s.d Beach，材料科学与工程副教授，他是国家科学基金会材料研究科学与工程中心MRL的联合主任和首席研究员。

    在工业需求和后二战时期政府资助的研究的推动下，“材料研究无疑是跨学科研究的早期模式，”菲利普斯说。与扫描探针显微镜等新工具了解材料的结构和性能,材料科学家在过去的20世纪创造了全新类别的材料和产品,从超级合金,使更大、更可靠的飞机引擎紧张那麽现代磁记录层超晶格,激光和红外探测器。

    未来增长将来自合成的能力和控制越来越复杂的材料,菲利普斯说,注意发展等领域的高温超导体、多孔固体像金属有机框架,和超材料,产生新的属性结合生物材料,在分子尺度上附近的有机物,陶瓷,金属精密在自然界中尚未发现的方法。

    “在分子和材料之间的模糊空间中，”这些更新的材料具有非常有趣的特性，它们仍在被充分探索的过程中，它们将在未来几年被利用，菲利普斯指出。“对很多人来说，很明显，随着我们的前进，这些也将是革命性的。”

    为解决21世纪能源、环境和可持续性的挑战提供了一个模型;卫生保健和医学;对人类和自然威胁的脆弱性;扩大和提高人类的能力和快乐。Phillips说:“这些都是范例，但你可以看到所有的材料都写在这个清单上，我认为你可能提出的任何类似的清单都有材料写在上面。”“为了应对这些巨大的挑战，我们真的需要能够处理现实复杂的系统，从科学、工程、社会和行为科学，甚至是艺术上，把所有这些学科结合起来。”

    菲利普斯说，科学理解和计算建模的进展正在加速研究人员在实际制造新材料之前预测新材料的结构和性质的能力。

    麻省理工学院教师安东尼Allanore,波琳娜Anikeeva,a . John Hart Pablo Jarillo-Herrero,Juejun胡锦涛,珍妮弗·鲁普研究更新他们的最近的工作跨越一系列从新的电子设备和超薄层材料对大脑和脊髓的细胞水平探测大规模3 d印刷和金属加工的方法。

    ——文章发布于2017年11月5日

250浏览量
原文链接
相关报告

  • 《CFN员工聚焦:曲晓辉跨越了数据科学与材料科学之间的鸿沟》
    • 来源专题：生物质能
    • 编译者：pengh
    • 发布时间：2020-02-05
    • 瞿晓辉，功能纳米材料中心理论与计算组助理科学家，应用人工智能的各种方法分析实验和计算纳米科学数据。在他的电脑屏幕上显示的是由透射电子显微镜(左图)记录的金纳米颗粒的图像分割结果，以及显示纳米颗粒聚集的聚结事件(右图)的颗粒大小演变的剖面图。 一年前，曲晓辉作为理论和计算组的助理科学家加入了美国能源部布鲁克海文国家实验室科学用户设施中心(CFN)。此前，他是加州大学伯克利分校材料科学与工程系的一名助理项目科学家，在那里他进行了计算，以发现有前途的电池电解质材料。尽管屈是一名训练有素的量子化学家，但他也有开发和应用数据分析技术来解决材料科学中的重要问题的经验。在CFN，他正在利用人工智能(AI)的新兴技术来推进纳米科学的发现。他拥有中国山东大学环境化学专业的博士和学士学位。 像今天的许多科研机构一样，CFN也面临着大数据的挑战。现代数据分析技术如何帮助解决日益增长的数据规模和复杂性? 机器学习(ML)等计算机科学技术可以帮助处理科学仪器产生的大数据。例如，CFN电子显微镜设备有一套透射电子显微镜(TEMs)，科学家们用它来分析纳米材料的结构、化学和电子信息。环境瞬变电磁法(ETEM)是一种环境瞬变电磁法(ETEM)，它可以监测纳米颗粒在操作过程中的生长情况，也就是说，纳米颗粒的结构是如何在相关的工作条件下演化的，比如退火(加热到相对较高的温度)或暴露在某些气体中。了解纳米粒子如何转变是提高材料性能和功能的关键。ETEM具有很高的时间分辨率(毫秒级)，这使我们能够对它们的演化进行测量。然而，有大量的数据是不可能手工分析的。 晓惠曲 点击图片下载高分辨率版本。曲晓辉与TEM在CFN。 考虑到ETEM产生了2tb的数据——相当于200,000张图像——用于氮化硅表面金纳米颗粒的进化，这是一个潜在的催化剂系统。每一帧包含数百个粒子，它们的大小和形状需要随着时间的推移进行跟踪。自动跟踪是困难的，因为图像含有明显的背景噪声。这种噪声以白色、灰色和黑色(而不是纯白色或黑色)的混合点出现，模糊了定义良好的边界。这就是基于mlb的图像识别可以提供帮助的地方。 我正在与CFN的科学家德米特里·扎哈罗夫(Dmitri Zakharov)合作，建立几种检测纳米颗粒的算法。布鲁克海文实验室计算科学项目(CSI)的副计算科学家林跃伟;宾夕法尼亚大学的Eric Stach教授，前CFN电子显微镜小组的领导人。这些图像分割算法将在单帧中识别粒子，并将它们从一帧链接到另一帧，以跟踪它们的演化。由于任何帧中的漏检或误检都将通过粒子演化传播，所以每帧中的检测都需要非常健壮。我们正在开发的一种算法可以跟踪漏检并修正进化过程中产生的错误。 金纳米颗粒催化剂的发展是一个自动化图像处理和分析有助于减轻大数据负担的实验。为什么选择金纳米颗粒数据集?如何将图像分割方法扩展到催化和其他应用领域? 根据Dmitri和Eric之前的测量数据，数据集已经存在，它代表了我们需要研究的数据类型。此外，这也是与UPenn的Stach小组正在进行的工作的共同点，他们正在用不同的技术方法对相同的数据集进行类似的图像处理研究。使用不同的图像分割方法——例如，基于边缘的目标检测和分水岭，其中图像被视为地形图——我们共同寻找最佳的算法来处理纳米颗粒图像中的显著噪声。 期待在新的数据集上测试我们的方法，一些特定的图像分割参数(如阈值)将不能在不同的数据集之间转移，但我们希望算法将是。考虑到需要为新的数据集调整这些参数，我还开发了一个图形用户界面(GUI)，以便用户可以根据他们的特定数据集调整细分过程并运行相同的代码。 通过这种方式，我们为用户社区提供服务，并为不同的数据集获取标记数据。最终，我们将有大量的标记数据集，包含足够的变化来训练一个深度学习模型。深度学习是ML的一种高级形式，它允许我们创建一个适用于不同实验的更通用的模型，理想情况下不需要调整任何参数。 您提到了术语GUI。你不仅要处理数据;您还需要以用户友好的方式向最终用户显示那些处理过的数据。一旦你建立了一个数据分析工具，你如何让它可用? 是的，我们和CFN用户不仅需要一个数据分析解决方案，而且还需要一个框架来交付该解决方案。当我刚开始在CFN工作时，我不知道我们需要什么样的web服务。很快，我们就清楚地认识到，我们需要一个动态环境——一个允许我们改进数据分析工具以响应不断变化的用户需求的环境。 最后，我和布鲁克海文科学数据与计算中心(SDCC)的计算机科学家进行了交谈。特别是，SDCC技术架构师Ofer Rind提到，交付数据分析工具并提供对大型数据集的访问的一个很好的选择是JupyterLab和JupyterHub。这个基于web的用户界面支持动态编程环境和交互式小部件(GUI元素)，用户可以控制它们来可视化数据。我向我的组长Mark Hybertsen提出了这个概念，他同意了。图像分割对大数据的可视化要求非常高，因此Jupyter是最佳选择。由SDCC运行的计算机服务器现在托管该服务，我们正在测试它的试点项目。 我们在JupyterLab上实现的图像分割工具展示了云平台如何支持用户。对于其他CFN组和用户来说，这些平台对于不同的工具非常有用。事实上，我正在与CFN的工作人员科学家Esther Tsai一起开发另一种工具来支持国家同步加速器光源II (nsl -II)的x射线散射数据分析。CFN的开发人员目前正在测试这个工具，一旦我们确认它是可靠的，就会发布给CFN用户。 数据分析假设您首先要处理数据。对于科学中的许多问题，有些数据是实验的结果，比如您所描述的TEM图像，但其他数据本质上是计算性的。你也使用人工智能方法进行计算数据分析吗? 回答问题有时需要结合实验和模拟数据分析。人工智能在这两种情况下都是有用的。例如，来自Brookhaven实验室和Stony Brook大学(SBU)的一组科学家演示了一个ML模型，该模型可以从模拟的x射线光谱中推断出材料的局部结构基序，并为与重要测试用例中的实验x射线光谱进行比较提供参考。这项正在进行的研究工作涉及到CFN理论家陆德宇在我们组与布鲁克海文实验室化学部门和SBU化学部门共同任命的Anatoly Frenkel合作的一系列项目;CSI计算科学家yoinjae Yoo和Yuwei Lin;nsl - ii内壳层光谱学引线科学家Eli Stavitski;CFN接口科学与催化组组长达里奥·斯塔奇奥拉。 我最近加入了这项研究工作，我们正在从几个方面扩展这项工作。例如，我们正在与CFN接口科学和催化组的科学家刘明照合作，开发一个可以推断硅化物薄膜结构的模型，硅化物是一种潜在的有用的催化剂或超导体。 我们还与美国国家标准与技术研究所的物理学家布鲁斯·拉威尔(Bruce Ravel)合作，建立一个薄膜实验光谱数据库。该数据库将包含几种代表性材料的高质量实验测量数据。当前ML面临的挑战之一是，它需要非常大的数据量和高保真度。有了更好的计算能力，我们现在可以创建模拟光谱的大型数据库。然而，对于实验光谱却不能这样说;创建一个大型的实验数据库不仅耗时，而且开销也很大。我们可以通过在包含计算光谱和实验光谱的混合数据集上建立模型来减少ML所需的数据量。同时，利用实验谱对计算谱进行验证，可以获得较高的数据质量。 将数据分析应用到材料科学中最具挑战性的部分是什么? 问题本身的定义非常具有挑战性。材料科学家知道他们试图用材料科学的术语来回答的问题。但是将这些问题组织成数据科学中的可执行问题需要材料和计算机科学的知识。这是一个迭代的过程，涉及到实验人员、计算化学家和数据科学家之间的协作。 这种改进的一个很好的例子与我正在着手的另一个超导薄膜项目有关。起初，科学家告诉我他们想了解电影的发展。我不知道他们所说的“增长”是什么意思。“通过我们的讨论，我发现他们的一个关键问题是如何建立单层。有了这些知识，我现在可以开发适当的技术来解决这些单层动力学。 你们的每一个项目都是合作性的，包括与来自不同学科的科学家的互动。你最初是一名化学家，然后被数据科学吸引。这个职业轨迹是如何演变的?你认为这个独特的背景对你的研究有什么影响? 我对化学有着天生的兴趣，因为我们作为消费者所知道和使用的许多产品都是化学制品。但直到我上了大学，我才发现我实际上喜欢上了化学。在这个时候，我也开始通过网络资源和图书馆的书籍自学计算机科学，我认为从事计算机科学的工作可能更有利可图。但是通过这个教育过程，我意识到计算机科学对于解决材料科学中的问题是至关重要的。 我的博士学位是将计算化学应用于大气污染研究。然后我从中国搬到了新加坡，在那里我用计算生物学工具做了一个博士后来模拟蛋白质折叠。之后，我在葡萄牙做了另一个博士后，用ML来预测药物分子的化学反应。在伯克利，我的注意力转向了电化学储能系统。我用密度泛函理论(DFT)计算了这些系统的性能，并帮助电池电解质研究社区建立了包含这些性能信息的大型数据库。 在计算机科学和材料科学方面的双重背景非常有帮助。正如我所提到的，材料科学家和计算机科学家通常会说不同的“语言”，因此他们对各自的目标都不了解。如果计算机科学家可以从材料科学的角度理解要求，那么他们可以建议可行的数据分析解决方案。通过研究，我希望更好地在这两个领域之间架起桥梁。 由于CFN是国家级的纳米科学用户设施，因此它的设施可供世界各地的科学家使用。结果，CFN社区由不仅具有专门领域专业知识而且具有不同文化的工作人员和用户组成。在中国长大，在新加坡和葡萄牙完成博士后，现在在美国生活和工作，您如何为这种多元文化，跨学科的环境做好准备？ 环游世界使我接触了许多文化和学科。我可以从不同角度看问题，结识特定领域的专家，并更好地理解他们的想法。此功能在CFN上特别有用，因为CFN的每个人都使用独特的技术进行材料发现。来自不同学科的人们确实确实有不同的想法。根据领域，即使是同一单词也可能具有不同的含义。例如，“微级”是指生物学家的蛋白质水平，而对于化学家来说，则是指精细几个数量级（原子分辨率）。了解特定领域的术语对于理解科学问题和要求很重要。 如今，人工智能已成为流行语，从股票交易和音乐流到导航应用程序和监视系统，应有尽有。虽然已经取得了很大的进步，但是AI仍处于起步阶段。在未来的几年中，您如何预见AI将改变科学事业，尤其是材料科学？ 新兴的数据科学技术具有极大地改变许多领域的潜力。我的希望是，我们开发的工具可以改变材料的发现，将数据转换为可用的格式，从中可以提取知识。或者，甚至更进一步，我希望我们的工具能够实现以前无法实现的各种科学，例如自主实验。自动化不仅可以使实验之间的参数更加一致，而且可以彻底改变设备的操作方式。开发从实验到分析的自动化管道，使用户可以专注于自己的科学，而无需与设备进行手动交互或学习编程方法。很难预测这些未来技术的时间表，但是我们正在尽力而为。
    223浏览量
    原文链接

  • 《材料科学有望成为未来十年最重要的技术》
    • 来源专题：中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者：冯瑞华
    • 发布时间：2019-03-08
    • 想想我们在未来十年将面临的任何重大挑战，材料就是其中的核心最大的挑战。为了建设一个新清洁能源的未来，我们需要更高效的太阳能电池板、风力涡轮机和电池。制造商需要新材料来制造更先进的产品。我们还需要更换供应中断的材料，比如稀土元素。 传统上，开发新材料是一个缓慢而艰难的过程。为了找到理想的特性，研究人员通常需要逐个测试数百甚至数千种材料。这使得材料研究对大多数行业来说都代价过高。 然而今天，我们正处于一场材料革命之中。科学家们正在使用强大的模拟技术，以及复杂的机器学习算法，以惊人的速度推进创新，甚至将创新引向他们从未考虑过的可能性。未来十年，材料的快速发展将产生巨大的影响。 什么是材料科学？ 根据维基百科的定义： 材料科学，又名为材料工程，涉及物质的性质及其在各个科学和工程学领域的整合应用，是一个研究材料的制备或加工工艺、材料的微观结构与材料宏观性能三者之间的相互关系的跨领域学科。 涉及的理论包括固体物理学，材料化学，应用物理和化学，以及化学工程，机械工程，土木工程和电机工程。与电子工程结合，则衍生出电子材料，与机械结合则衍生出结构材料，与生物学结合则衍生出生物材料等等。 随着近年来媒体将注意力大量集中在纳米科学上，材料科学在科学与工程学领域越来越广为人知。它也是鉴识科学和破坏分析中的一个重要组成部分，以后者为例，它是分析各种飞航意外的关键。今日许多科技上的问题受限于材料能够容许的极限，也因此，在此领域的突破在未来科技具有指标性的影响。材料科学有着广泛的应用前景。 随着科学技术的发展，人们在传统材料的基础上，根据现代科技的研究成果，开发出新材料。新材料按材质可分为金属材料、无机非金属材料(如陶瓷、砷化镓半导体等)、高分子材料、先进复合材料四大类，其应用范围极其广泛。目前，新材料产业已经渗透到了国民经济、国防建设和社会生活的各个领域，是高新技术产业发展的基础，对国民经济发展作用重大。 材料革命的萌芽 2005年，Gerd Ceder是麻省理工学院材料科学教授，研究预测新材料的计算方法。传统上，材料科学家主要通过反复试验来确定具有商业价值特性的材料。Gerd正在使用复杂的模拟材料实体的计算机模型来实现这一过程的自动化。 事情发生了转变!当时宝洁公司(Procter & Gamble)旗下金霸王(Duracell)的一名高管询问Ceder，是否可以利用他正在开发的方法，探索大规模开发碱性电池新材料的可能性。于是，他组建了一个由六名“青年枪手”组成的团队，成立了一家公司来实现这一愿景。 第一个项目进展顺利，团队获得了一些以前不存在的新材料的专利。然后另一家公司来电，请求帮忙开发另一个项目，在那之后接获了更多的项目。尽管取得了初步的成功，但Ceder开始意识到有一个问题：尽管团队的项目很成功，但是总体影响是有限的。 Ceder 说：“我们开始意识到，我们生成所有这些有价值的数据都被所在公司的保险库里，并未产生它应有的价值。我们想以一种更公开的方式来来推进材料的发展。幸运的是，就在那个时候，一个团队成员因为家庭原因离开了麻省理工学院，这个偶然的事件将这个项目推向了一个新的高度。” 材料工程的诞生 2008年，Kristin Persson的丈夫在加州找到了一份工作，于是她离开了Ceder的麻省理工学院小组，加入劳伦斯伯克利国家实验室(Lawrence Berkeley National Laboratory, LBL)，成为一名研究科学家。然而，该团队并没有为失去一位重要同事而感到悲痛，而是将此举视为一个让他们的工作进入高速运转状态的机会。 Persson表示:“在劳伦斯伯克利国家实验室，有世界级的计算机人才。所以我们开始积极地与计算机科学前沿的专家合作，但他们对材料和我们这帮材料黑客一无所知。正是这种跨学科的合作才是帮助我们迅速取得进展的真正秘诀。” 传统的材料科学可以将一类合金应用于，比如说，汽车工业，并计算重量vs抗拉强度之间的关系。文献中可能有几百种这样的材料。但是有了他们在劳伦斯伯克利国家实验室建立的系统，他们可以计算出几千这样的材料。这意味着工程师能够以指数级的速度识别候选材料，并在现实世界中进行测试，从而创造出更佳的产品。 他们又一次感到他们的工作的影响是有限的。毕竟，在国家实验室工作的私营企业工程师并不多。Persson回忆说:“我们早期的研究让我们相信，我们正处在一个更大的问题的风口浪尖。”这就是他们为什么要创建材料项目(Materials Project)，一个世界上任何人都可以访问的大型在线数据库。 大规模的材料计划 该项目于2011年初上线，吸引了数千人参与。从那时起，它如病毒传播般发展迅猛，如今拥有5万多名用户，这个数字以每天50-100人的速度增长。然而，它的影响不仅如此。该项目的成功引起了时任白宫科技政策办公室(White House Office of Science and Technology Policy)副主任的Tom Kalil的注意，他看到了创建一个范围更广项目的潜力。 2011年夏天，奥巴马政府宣布了“材料基因组计划”(Materials Genome Initiative, 简称MGI)，以协调能源部、NASA、能源部和其他机构的工作，从而扩大和补充劳伦斯伯克利国家实验室正在进行的工作。这些努力加在一起，正在材料科学中掀起一场革命，而私营工业刚刚开始感受到其影响。 “材料基因组计划”基于三个基本支柱。第一个是可以准确预测材料性质的计算方法，与Gerd Ceder的团队所开创的方法一般。二是扩大材料库的高生产能力实验，三是挖掘科学文献中已有材料，促进材料数据共享的项目。 例如，一个项目使用机器学习算法和实验材料数据来识别一种叫做金属玻璃的超强合金的形状。尽管科学家们早就认识到它作为钢的替代品和保护涂层的价值，但它非常罕见，因此公众所知相对较少。然而，使用这些新方法，研究人员能够在一年之内完成较之前200倍负荷的工作，并识别出2万个这样的材料! 一场真正的材料革命拉开序幕 托马斯·爱迪生有句名言：如果他做了1万个失败的实验，他并不认为这是一种失败，而是发现了1万个不起作用的东西。确实如此，但它也带来乏味、耗时和昂贵的代价。然而，这些新方法有可能将这1万次失败自动化，从而在材料科学领域掀起一场革命。 例如，在美国政府创建下一代先进电池的“联合储能研究中心(简称为JCESR)”的背景下，目前的主要挑战与其说是识别潜在的电池化学成分，还不如说是让这些化学成分发挥作用的材料还不存在。对于过去来说，这将是一个无法克服的问题，但现在情况大为不同。 JCESR主任George Crabtree接受采访时表示:“使用过去10年左右开发的高性能计算模拟、材料基因组和其他技术，我们通常可以消除99%的行不通的可能性。这意味着我们可以把精力集中在剩下的1%可能有巨大潜力的材料上，我们可以以少得多的钱，走得更远、更快。” 这项工作也迅速对工业界产生了影响。Citrine Informatics是一家将机器学习应用于材料开发的公司，该公司的总裁Greg Mulholland表示：“我们看到越来越多的公司和行业在与我们联系，并产生了一种新的紧迫感。对于历史上投资于材料研究的公司来说，他们昨天还在发愁。而对于那些没有做到这一点的人来说，他们正在奋力追赶。” 材料基因组计划的主任Jim Warren认为，这仅仅是个开始。他说:“当你能以几十万美元或几百万美元而不是几千万美元或几亿美元发现新材料时，你将看到大量扩展的用例以及行业的受益。” 正如我们从数字革命中学到的，只要效率提高10倍，最终就会产生革命性的商业影响。 中国材料新行业发展前景广阔 新材料产业涉及多个工业领域，产品市场前景广阔，是全球最重要、发展最快的高技术产业领域之一。新材料行业市场发展现状分析，我国作为全球最大的新兴经济体，新材料产业正处于强劲发展阶段，市场空间广阔。据前瞻产业研究院发布的《中国新材料行业市场前瞻与投资战略规划分析报告》统计数据显示，2010年我国新材料产业总产值仅仅为0.6万亿元，截止至2017年我国新材料产业总产值增长至2.6万亿元。新材料“十三五”规划和中国制造2025等政策将继续推动新材料产业保持快速的发展趋势，十三五”期间我国新材料产业将稳步增长，年均增速保持在25%左右，预计到2020年，我国新材料产业总产值将超过6万亿元。 目前，我国政府正鼓励、支持社会资本参与新材料产业发展。在政策指引下，新材料领域投资规模大幅增长，行业投资额从2013年的17.5亿元人民币，增长至2017年的125.7亿元人民币，5年增长6倍多，年均增长率达到48.4%;投资数量也从2013年的72起提高至129起。
    256浏览量
    原文链接