楊 麗，蘇 航，柴 鋒，羅小兵，段琳娜

(1. 鋼鐵研究總院工程用鋼研究所，北京 100081)(2. 北京鋼研新材科技有限公司，北京 100081)(3. Institute of Iron and Steel, RWTH Aachen University, Aachen 52072, Germany)

1 前 言

20世紀(jì)60年代IBM數(shù)據(jù)庫管理產(chǎn)品IMS技術(shù)的推出，為數(shù)據(jù)庫的發(fā)展奠定了基礎(chǔ)。隨后，各國先后開始建立材料數(shù)據(jù)庫，為材料標(biāo)準(zhǔn)、科研數(shù)據(jù)提供結(jié)構(gòu)化的儲存途徑以及信息查詢等功能。

2011年美國提出發(fā)展材料基因工程，即數(shù)據(jù)庫、高通量計算方法與高通量實驗方法三大要素，為加速材料的智能設(shè)計作技術(shù)支撐。材料數(shù)據(jù)庫的作用和地位隨之變得更加突出：一方面，材料數(shù)據(jù)庫可為高通量實驗以及高通量計算結(jié)果提供海量數(shù)據(jù)存儲空間；另一方面，材料數(shù)據(jù)庫為高通量計算提供參數(shù)，或通過挖掘數(shù)據(jù)庫中的知識模型，指導(dǎo)材料設(shè)計。

數(shù)據(jù)挖掘是數(shù)據(jù)庫發(fā)現(xiàn)知識模型的重要方法，是一個通過從不完全的、有噪聲的、模糊的、隨機(jī)的大型數(shù)據(jù)庫中，發(fā)現(xiàn)隱含的、未知的、可能有用的并且最終能被理解的模式的重要過程。雖然早在20世紀(jì)初期基于數(shù)據(jù)挖掘的數(shù)學(xué)基礎(chǔ)就已基本成熟，但直到計算機(jī)的出現(xiàn)和計算能力的提升，大數(shù)據(jù)分析、數(shù)據(jù)挖掘等操作才變得更加切實可行。將數(shù)據(jù)挖掘方法應(yīng)用到材料數(shù)據(jù)庫的規(guī)律學(xué)習(xí)中，是指導(dǎo)新材料設(shè)計開發(fā)的一個重要手段。

本文針對國內(nèi)外材料數(shù)據(jù)庫和數(shù)據(jù)庫技術(shù)的發(fā)展應(yīng)用現(xiàn)狀進(jìn)行了綜述，根據(jù)材料研發(fā)和理性設(shè)計新模式的發(fā)展需求，討論了構(gòu)建材料基因工程所需的材料數(shù)據(jù)庫和數(shù)據(jù)挖掘技術(shù)目前存在的問題和未來發(fā)展方向。

2 材料數(shù)據(jù)庫

2.1 傳統(tǒng)材料數(shù)據(jù)庫

以歐美、日韓等為代表的發(fā)達(dá)和新興工業(yè)國家從20世紀(jì)七八十年代起，先后開始發(fā)展材料數(shù)據(jù)庫，目前都已擁有一定數(shù)量的材料數(shù)據(jù)庫，涵蓋了黑色金屬、有色金屬、高溫材料、復(fù)合材料、陶瓷材料、橡膠、核工業(yè)材料、功能材料等各種材料的成分、相圖、晶體結(jié)構(gòu)、性能參數(shù)等數(shù)據(jù)[1-3]。我國也從20世紀(jì)80年代開始由科研院所、企業(yè)自主建立了大量不同規(guī)模、分散獨(dú)立的材料數(shù)據(jù)庫，如鋼鐵研究總院的合金鋼數(shù)據(jù)庫、中國航發(fā)北京航空材料研究院的航空材料數(shù)據(jù)庫、北京有色金屬研究總院的有色金屬數(shù)據(jù)庫、清華大學(xué)的新材料數(shù)據(jù)庫、西北工業(yè)大學(xué)的復(fù)合材料數(shù)據(jù)庫、北京機(jī)電研究所的材料熱處理數(shù)據(jù)庫等上百個專業(yè)材料的數(shù)據(jù)庫[4]。

根據(jù)存儲數(shù)據(jù)種類的不同，材料數(shù)據(jù)庫主要分為：材料熱力學(xué)和相圖數(shù)據(jù)庫、晶體結(jié)構(gòu)數(shù)據(jù)庫(如無機(jī)晶體學(xué)數(shù)據(jù)庫(ICSD))、材料性能數(shù)據(jù)庫(標(biāo)準(zhǔn)或?qū)嶒?、工藝性能數(shù)據(jù)庫(如熱處理數(shù)據(jù)庫、金屬切削數(shù)據(jù)庫等)、特殊性能數(shù)據(jù)庫(如腐蝕數(shù)據(jù)庫和疲勞數(shù)據(jù)庫)、專用數(shù)據(jù)庫(如航空材料數(shù)據(jù)庫、汽車材料數(shù)據(jù)庫)等。根據(jù)存儲數(shù)據(jù)形式的不同，數(shù)據(jù)庫可分為數(shù)值型、文獻(xiàn)型和文獻(xiàn)/數(shù)值綜合型。根據(jù)存儲數(shù)據(jù)的服務(wù)模式，可分為離線型數(shù)據(jù)庫和在線型數(shù)據(jù)庫。由于早期建立的傳統(tǒng)材料數(shù)據(jù)庫主要是離線型，多服務(wù)于研究機(jī)構(gòu)或組織的數(shù)據(jù)存儲和研究，存在規(guī)模小、用戶局限性高、商業(yè)化程度不高等缺點(diǎn)，因而其更新和應(yīng)用受到人力、物力的限制，甚至部分?jǐn)?shù)據(jù)庫逐漸銷聲匿跡。

隨著web網(wǎng)絡(luò)技術(shù)的普及和快速發(fā)展，國內(nèi)外較活躍的材料科學(xué)數(shù)據(jù)庫開始以在線方式管理和服務(wù)，提高了材料數(shù)據(jù)庫的商業(yè)化程度，強(qiáng)化了對用戶的服務(wù)膜式。在線數(shù)據(jù)庫的主要優(yōu)勢是更易推廣和數(shù)據(jù)共享，通過將數(shù)據(jù)庫商品化為外部機(jī)構(gòu)提供有償服務(wù)，間接推動了數(shù)據(jù)庫的應(yīng)用和全面快速發(fā)展。目前，國際知名的商業(yè)化材料在線數(shù)據(jù)庫有美國的MatWeb和ASM International、瑞士的Total Materia、日本的NIMS、德國的Key to Steel等，詳情如表1所示[5]。

表1 國際知名在線材料科學(xué)數(shù)據(jù)庫[5]

我國材料數(shù)據(jù)庫的商業(yè)化發(fā)展也隨著移動互聯(lián)網(wǎng)的興起得到極大提速。以鋼研·新材道、材易通、歐冶知鋼為代表的一批在線數(shù)據(jù)庫服務(wù)平臺先后出現(xiàn)。其中鋼研·新材道的“全球鋼材高端云服務(wù)”是依托于鋼鐵研究總院國內(nèi)頂尖研發(fā)團(tuán)隊和65年的技術(shù)積淀建立起來的材料大數(shù)據(jù)和云服務(wù)平臺，其Atsteel在線材料數(shù)據(jù)庫包含上千個國內(nèi)外標(biāo)準(zhǔn)、上萬個牌號的材料性能數(shù)據(jù)，以材料大數(shù)據(jù)和定制研發(fā)為核心理念，致力于技術(shù)市場化的“互聯(lián)網(wǎng)+”之路，為中高端材料用戶提供研、產(chǎn)、檢、造、用的全產(chǎn)業(yè)鏈服務(wù)。成都材智科技有限公司建立的MatAI材料智能設(shè)計平臺具有能夠根據(jù)用戶需求提供數(shù)據(jù)管理和新材料設(shè)計優(yōu)化等新功能。

傳統(tǒng)材料數(shù)據(jù)庫的主要功能是數(shù)據(jù)存儲和數(shù)據(jù)管理，同時還提供數(shù)據(jù)檢索服務(wù)，方便用戶快速獲取感興趣的數(shù)據(jù)信息。例如日本的NIMS數(shù)據(jù)庫就專門配套建立了MatNavi檢索系統(tǒng)，使用戶可以根據(jù)關(guān)鍵字/數(shù)值、樹形節(jié)點(diǎn)對數(shù)據(jù)庫的相關(guān)內(nèi)容進(jìn)行檢索。美國MatWeb數(shù)據(jù)庫也提供了基于數(shù)值、關(guān)鍵內(nèi)容、類別的檢索方法。我國鋼研·新材道的Atsteel在線材料數(shù)據(jù)庫增強(qiáng)了數(shù)據(jù)庫的檢索功能，除了以關(guān)鍵字、材料牌號檢索的方式外，還提供成分、性能的區(qū)間范圍值及其他多參數(shù)組合的高級檢索功能，滿足用戶的各種檢索需求。

2.2 材料基因工程的共享數(shù)據(jù)庫

美國提出的材料基因工程理念，形成了材料數(shù)據(jù)庫的新發(fā)展方向。目前,歐美國家建立材料基因工程數(shù)據(jù)庫，除了發(fā)展新學(xué)科的獨(dú)立材料數(shù)據(jù)庫外，更希望搭建一個包含各種硬件、軟件和專用數(shù)據(jù)傳輸標(biāo)準(zhǔn)的數(shù)據(jù)共享平臺，如美國正在建設(shè)的Globus數(shù)據(jù)庫平臺[6]。通過特殊的信息工程技術(shù)，保證大數(shù)據(jù)易存儲和搜尋等功能，既可將各地分散的傳統(tǒng)材料數(shù)據(jù)庫連入整個材料基因數(shù)據(jù)庫共享平臺，又可鼓勵科研人員上傳、發(fā)布新的科學(xué)成果，共享數(shù)據(jù)集；通過合理的材料數(shù)據(jù)庫傳輸標(biāo)準(zhǔn)設(shè)計，滿足各學(xué)科的數(shù)據(jù)存儲需求和應(yīng)用；而且通過數(shù)據(jù)庫平臺的軟件集成進(jìn)行在線計算，實現(xiàn)數(shù)據(jù)自動收集和數(shù)據(jù)挖掘，如Material Project平臺。

促進(jìn)材料基因工程數(shù)據(jù)庫建設(shè)和發(fā)展的關(guān)鍵是數(shù)據(jù)共享。美國在數(shù)據(jù)共享方面采取了很多措施，21世紀(jì)初期為了促進(jìn)“人類基因組”項目數(shù)據(jù)庫的建立，鼓勵科學(xué)家快速分享DNA數(shù)據(jù)，提倡在24 h內(nèi)上傳到公共GenBank數(shù)據(jù)庫中[7]。隨著材料基因工程理念的提出，美國科學(xué)技術(shù)政策局(OSTP)和美國國際開發(fā)署(USAID)于2013年和2016年先后出臺了“公共訪問計劃”，要求由OSTP和USAID等資助的科學(xué)研究數(shù)據(jù)需要在一定時間內(nèi)公開，使公眾、企業(yè)和其他科學(xué)人員能夠獲取[8]。美國國家科學(xué)基金委(NSF)也推出了“宣傳和共享研究結(jié)果”的政策，鼓勵科學(xué)人員能夠共享在NSF資助的工作過程中創(chuàng)建或收集的主要數(shù)據(jù)、樣本、實物和其他材料[9]。我國的科學(xué)數(shù)據(jù)共享工程自2001年底啟動了氣象科學(xué)數(shù)據(jù)共享試點(diǎn)以來，已在24個部門開展了相應(yīng)的科學(xué)數(shù)據(jù)共享工作。整體而言，目前國內(nèi)外的數(shù)據(jù)共享工作，主要是先通過科研聯(lián)盟進(jìn)行再不斷擴(kuò)散，并建立數(shù)據(jù)貢獻(xiàn)積分制度顯示不同科研用戶的數(shù)據(jù)貢獻(xiàn)率，從而間接反映其在相關(guān)領(lǐng)域的成果和影響力。

為了保護(hù)共享數(shù)據(jù)的權(quán)利和所屬，目前國內(nèi)外的共享數(shù)據(jù)庫平臺借鑒期刊論文模式，為每個上傳的科學(xué)數(shù)據(jù)(集)注冊唯一的DOI標(biāo)識符，促進(jìn)數(shù)據(jù)的保存、參考和引用[10]。美國材料數(shù)據(jù)平臺(MDF)建立的可以發(fā)布數(shù)據(jù)以及查詢數(shù)據(jù)的共享數(shù)據(jù)庫平臺Globus，就是基于DOI對數(shù)據(jù)進(jìn)行標(biāo)識。通過該平臺，可以搜索MDF連接的各種數(shù)據(jù)庫/數(shù)據(jù)集里面保存的所有計算和實驗數(shù)據(jù)，包括NanoMine、PPPDB、Khazana Polymers、Khazana VASP、JANAF、SLUCHI(VASP)、Crystallography Open Database、Classical Interatomic Potentials、XAFS Data Library、OQMD等十幾個數(shù)據(jù)庫。我國也積極推動共享數(shù)據(jù)庫、在線數(shù)據(jù)庫的發(fā)展，搭建了“材料科學(xué)數(shù)據(jù)共享網(wǎng)”平臺，集合了分布在全國各地的30余家科研單位的海量數(shù)據(jù)資源，包括黑色金屬、有色金屬、復(fù)合金屬、有機(jī)高分子、無機(jī)非金屬等各類材料科學(xué)數(shù)據(jù)，為國家基礎(chǔ)條件建設(shè)提供了雄厚的材料科學(xué)數(shù)據(jù)資源共享服務(wù)與應(yīng)用支撐[11]。該平臺目前也是通過提供標(biāo)準(zhǔn)的數(shù)據(jù)DOI注冊系統(tǒng)以及數(shù)據(jù)采集標(biāo)準(zhǔn)，保證上傳數(shù)據(jù)的標(biāo)識性和結(jié)構(gòu)化。近年來，隨著區(qū)塊鏈技術(shù)的不斷成熟和發(fā)展，已有一些將區(qū)塊鏈技術(shù)引入到材料數(shù)據(jù)庫中的設(shè)想，實現(xiàn)對數(shù)據(jù)來源的標(biāo)記，進(jìn)行數(shù)據(jù)的版權(quán)保護(hù)，激發(fā)大家共享數(shù)據(jù)的熱情。

高質(zhì)量的共享材料數(shù)據(jù)對于材料基因工程具有重要的意義，不僅可以作為模擬計算的輸入?yún)?shù)，也可以作為知識發(fā)現(xiàn)的樣本數(shù)據(jù)，還可以為發(fā)現(xiàn)新的理論和技術(shù)提供線索。因此，數(shù)據(jù)的可信度是構(gòu)建材料數(shù)據(jù)庫時需要關(guān)注的一個重要問題。目前的主要解決方法是：一方面通過領(lǐng)域?qū)＜一驍?shù)據(jù)庫專員進(jìn)行數(shù)據(jù)審核，并提供領(lǐng)域?qū)＜艺J(rèn)證碼，保證數(shù)據(jù)的可信度；另一方面建立完整規(guī)范的統(tǒng)計數(shù)據(jù)質(zhì)量控制體系，通過進(jìn)行相似數(shù)據(jù)的對比，判斷數(shù)據(jù)的可信度或進(jìn)行數(shù)據(jù)補(bǔ)充和修復(fù)[12]。

2.3 材料基因工程數(shù)據(jù)庫的發(fā)展方向

除了數(shù)據(jù)共享、存儲和查詢外，材料基因工程的數(shù)據(jù)庫還需要加強(qiáng)對分散的、已建立的數(shù)據(jù)庫進(jìn)行整合、利用，通過軟件集成實現(xiàn)數(shù)據(jù)自動收集功能，為大數(shù)據(jù)的學(xué)習(xí)和數(shù)據(jù)挖掘提供數(shù)據(jù)，指導(dǎo)新材料的研發(fā)。因此，材料基因工程的材料數(shù)據(jù)庫開始發(fā)展如數(shù)據(jù)庫匹配、數(shù)據(jù)自動收集、在線可視化、在線集成計算、在線分析等新功能。

2.3.1 數(shù)據(jù)庫的匹配功能

數(shù)據(jù)庫的自動匹配技術(shù)是將人工智能技術(shù)、模式識別等數(shù)據(jù)挖掘方法應(yīng)用到材料數(shù)據(jù)庫中，建立數(shù)據(jù)庫之間的數(shù)據(jù)關(guān)聯(lián)性，是數(shù)據(jù)挖掘技術(shù)在材料數(shù)據(jù)庫中的一個成功應(yīng)用。在數(shù)據(jù)庫“云”概念的基礎(chǔ)上，通過數(shù)據(jù)庫的自動匹配算法可以實現(xiàn)“云”中的分布式數(shù)據(jù)庫、異構(gòu)數(shù)據(jù)庫或多類型文件之間的連接，如圖1所示[13]。

圖1 數(shù)據(jù)庫匹配技術(shù)流程圖[13]Fig.1 Flow chart of data matching procedure[13]

數(shù)據(jù)庫自動匹配功能的主要優(yōu)勢是可以解決不同材料數(shù)據(jù)庫之間存在的數(shù)據(jù)結(jié)構(gòu)差異性、各國材料標(biāo)準(zhǔn)牌號和命名方式的不一致性、數(shù)據(jù)上傳文件格式的多樣性以及單一數(shù)據(jù)庫中的信息不完整性等問題。在材料數(shù)據(jù)庫中使用數(shù)據(jù)自動匹配技術(shù)，可以實現(xiàn)“小數(shù)據(jù)”到整個數(shù)據(jù)庫系統(tǒng)的關(guān)聯(lián)，獲取相近材料的完整性能數(shù)據(jù)，是“小數(shù)據(jù)”換“大數(shù)據(jù)”的共享過程，也是實現(xiàn)分散數(shù)據(jù)庫之間關(guān)聯(lián)的一個重要方法。

德國的Key to Steel以及Matmatch等部分商業(yè)化在線數(shù)據(jù)庫具有一定的多國牌號對照匹配查詢以及數(shù)據(jù)庫中相似材料的查詢功能，但應(yīng)用范圍比較窄，僅適用于國內(nèi)外產(chǎn)品牌號數(shù)據(jù)信息的對比。而我國的Atsteel數(shù)據(jù)庫配套開發(fā)了多國鋼鐵材料牌號的自動匹配技術(shù)和功能，既可以實現(xiàn)各國相似材料牌號之間的關(guān)聯(lián)匹配，還可以實現(xiàn)標(biāo)準(zhǔn)數(shù)據(jù)庫、實驗數(shù)據(jù)庫、私有數(shù)據(jù)庫等不同數(shù)據(jù)庫之間的關(guān)聯(lián)查詢。目前該項數(shù)據(jù)匹配技術(shù)已經(jīng)推廣到鋼鐵材料的焊材匹配應(yīng)用中，可以為焊接母材與焊材的匹配提供合適的材料選擇方案。以460 MPa強(qiáng)度級別的系列鋼材為例，基于北京鋼研新材科技有限公司的鋼鐵數(shù)據(jù)庫和焊接數(shù)據(jù)庫，利用數(shù)據(jù)匹配技術(shù)進(jìn)行了母材和焊材的匹配設(shè)計，如表2所示?？梢娡ㄟ^數(shù)據(jù)匹配技術(shù)為母材設(shè)計匹配的焊材，基本與《焊材手冊》推薦的相同強(qiáng)度級別的材料相吻合。其中，由于新的焊材數(shù)據(jù)庫包含了最新的焊材牌號，因而數(shù)據(jù)匹配算法給出的很多結(jié)果是一些新的焊材牌號。目前國外還沒有見到有任何關(guān)于母材-焊材匹配計算的相關(guān)報道，而且國外的焊材數(shù)據(jù)庫也較少，大多為焊接工藝數(shù)據(jù)庫。

表2 基于數(shù)據(jù)匹配的母材-焊材匹配計算結(jié)果

瑞士Total Materia數(shù)據(jù)庫開發(fā)的SmartComp材料智能判斷功能相當(dāng)于一種匹配檢索功能，主要是通過對來自光譜儀或其他分析來源獲得的金屬化學(xué)成分進(jìn)行智能識別，獲得對應(yīng)的材料金屬牌號，為材料的智能識別和數(shù)據(jù)庫自動分辨數(shù)據(jù)提供了新思路和方向。

2.3.2 數(shù)據(jù)庫的數(shù)據(jù)收集和輸出功能

數(shù)據(jù)的收集功能決定了數(shù)據(jù)庫的發(fā)展規(guī)模和活力。建立數(shù)據(jù)的自動收集和輸出功能，實現(xiàn)數(shù)據(jù)庫與高通量實驗、高通量計算的連接，是材料基因工程數(shù)據(jù)庫發(fā)展的另一個重要方向。

互聯(lián)網(wǎng)、云數(shù)據(jù)技術(shù)的發(fā)展在一定程度上為數(shù)據(jù)的收集、積累提供了支撐。共享數(shù)據(jù)庫通過提供數(shù)據(jù)自主上傳的接口，可實現(xiàn)用戶自服務(wù)的數(shù)據(jù)收集上傳功能。國家材料環(huán)境腐蝕平臺建立了“腐蝕大數(shù)據(jù)”和環(huán)境數(shù)據(jù)的大通量高密度采集、無線傳輸及入庫的功能，可實現(xiàn)數(shù)據(jù)庫數(shù)據(jù)的自動積累。目前國內(nèi)外團(tuán)隊開始研究新型軟件，可自動通過閱讀材料科學(xué)實驗論文獲取晶體結(jié)構(gòu)等相關(guān)信息，為數(shù)據(jù)的自動收集提供了便利[14]。但是如何通過論文信息的數(shù)字化識別全面獲取數(shù)據(jù)、數(shù)據(jù)來源及實驗條件，也是需要考慮的一個重要問題。

面對用戶對數(shù)據(jù)庫的輸出需求，目前一些在線數(shù)據(jù)庫可根據(jù)用戶權(quán)限有針對性地為用戶進(jìn)行數(shù)據(jù)分析、建模計算從而提供相關(guān)數(shù)據(jù)及格式的輸出功能。MatWeb數(shù)據(jù)庫就為用戶提供以CSV、Excel等格式輸出數(shù)據(jù)庫中數(shù)據(jù)的服務(wù)，方便用戶線下對數(shù)據(jù)進(jìn)行對比分析。此外，還提供輸出包含材料參數(shù)的通用計算軟件專用格式文件，可直接應(yīng)用于Solidworks、ANSYS、COMSOL等軟件的結(jié)構(gòu)材料計算建模中。

2.3.3 數(shù)據(jù)庫的在線集成計算和分析功能

材料基因工程數(shù)據(jù)庫的另一個重要發(fā)展方向是能夠在數(shù)據(jù)庫的基礎(chǔ)上實現(xiàn)在線分析、軟件集成計算以及數(shù)據(jù)結(jié)果自動存儲等功能。

通過在線集成第一性原理、熱動力學(xué)等成熟的材料計算軟件或程序進(jìn)行計算，能夠為數(shù)據(jù)庫補(bǔ)充大量的材料結(jié)構(gòu)、性能、相變等特征參量，而計算獲得的數(shù)據(jù)同樣能夠用于數(shù)據(jù)挖掘和指導(dǎo)新材料的開發(fā)。在材料基因工程計劃中，美國能源部(DOE)牽頭伯克利實驗室負(fù)責(zé)建立的Material Project就是一個數(shù)據(jù)庫集成平臺，其包含了600 000多種材料和數(shù)據(jù)，提供了第一性原理的材料計算平臺，允許用戶對計算數(shù)據(jù)進(jìn)行共享，目前已有超過20 000名用戶利用該平臺進(jìn)行新材料設(shè)計和優(yōu)化。杜克大學(xué)創(chuàng)建的AFLOWlib數(shù)據(jù)庫，利用AFLOW材料高通量計算算法，通過在線集成VASP、ESPRESSO等軟件，實現(xiàn)了對已知材料電子分布、晶體結(jié)構(gòu)、能量計算以及新型材料結(jié)構(gòu)的自動預(yù)測，并可自動存儲計算結(jié)果到數(shù)據(jù)庫體系中，通過高通量計算不斷擴(kuò)充數(shù)據(jù)庫的數(shù)據(jù)量[15]。目前該數(shù)據(jù)庫已有106數(shù)量級的不同材料，其中有超過108數(shù)量級的材料性能數(shù)據(jù)是通過計算獲得的。美國西北大學(xué)推出的開放量子材料數(shù)據(jù)庫(OQMD)、中國的MatCloud高通量材料集成設(shè)計平臺也具有相似的工作機(jī)制，通過調(diào)用VASP或CASTEP等第一性原理軟件在超級計算機(jī)上進(jìn)行大批量計算，再將相應(yīng)的計算結(jié)果保存到數(shù)據(jù)庫中，最終通過大數(shù)據(jù)分析來指導(dǎo)新材料設(shè)計[16]。日本NIMS開發(fā)的COMPOThermo在線計算軟件，通過集成界面熱導(dǎo)率數(shù)據(jù)庫，可制定特殊熱性能要求的復(fù)合材料。目前材料數(shù)據(jù)庫集成第一性原理計算軟件主要在功能材料的設(shè)計領(lǐng)域獲得了較多成功的應(yīng)用，同時在復(fù)雜的結(jié)構(gòu)材料設(shè)計方面也有一定的應(yīng)用。

此外，材料數(shù)據(jù)庫也開始考慮數(shù)據(jù)的在線可視化、在線分析等功能。成都材智科技有限公司建立的MatAI材料數(shù)據(jù)管理平臺可根據(jù)需求建立集成基礎(chǔ)的數(shù)據(jù)對比分析、數(shù)據(jù)統(tǒng)計和可視化工具的材料數(shù)據(jù)庫，以便在線進(jìn)行散點(diǎn)圖的分析、曲線的對比和統(tǒng)計的可視化。目前，一些數(shù)據(jù)庫還可通過對熱力學(xué)計算軟件的集成連接，利用獲得的材料熱力學(xué)數(shù)據(jù)，配合數(shù)據(jù)庫中其他數(shù)據(jù)共同進(jìn)行數(shù)據(jù)挖掘和分析[17]。

3 數(shù)據(jù)挖掘方法在材料科學(xué)中的應(yīng)用

3.1 數(shù)據(jù)挖掘方法簡介

數(shù)據(jù)挖掘基本流程為：確定目標(biāo)→數(shù)據(jù)庫取樣→數(shù)據(jù)預(yù)處理→數(shù)據(jù)挖掘建?！R獲取和解析→應(yīng)用，如圖2所示[18]。將清洗預(yù)處理后的樣本數(shù)據(jù)分為3類：訓(xùn)練型數(shù)據(jù)、驗證型數(shù)據(jù)和測試型數(shù)據(jù)，再用于模型學(xué)習(xí)、驗證和測試。

圖2 數(shù)據(jù)挖掘的基本流程[18]Fig.2 Flow chart for data mining procedure[18]

一個完整的數(shù)據(jù)挖掘算法通常是由模型結(jié)構(gòu)、評分函數(shù)、搜索方法、數(shù)據(jù)管理技術(shù)幾個基本模塊組合構(gòu)成[19]。例如一個反向傳播神經(jīng)網(wǎng)絡(luò)(BP-ANN)數(shù)據(jù)挖掘算法通常是由神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)、誤差平方函數(shù)、參數(shù)梯度下降尋優(yōu)等模塊構(gòu)成。組合不同的模型結(jié)構(gòu)、評分函數(shù)、搜索方法等可以生成數(shù)量龐大的挖掘算法。此外，降維方法也被應(yīng)用到數(shù)據(jù)處理中，如主成分分析(PCA)法就常被用于微觀組織形貌等的降維處理，使得微觀組織能夠作為輸入變量參與數(shù)據(jù)挖掘?qū)W習(xí)，從而通過回歸、神經(jīng)網(wǎng)絡(luò)或其他模型方法最終建立工藝-微觀結(jié)構(gòu)-性能關(guān)系[20]。

數(shù)據(jù)挖掘的方法根據(jù)任務(wù)目的可分為預(yù)測性和描述性方法，根據(jù)學(xué)習(xí)方式可分為監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)方法。在材料科學(xué)領(lǐng)域，目前常用的數(shù)據(jù)挖掘算法主要有：回歸、分類、聚類、智能優(yōu)化，如圖3所示[21]。其中，神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)是機(jī)器學(xué)習(xí)的兩大主要流派，既可用于回歸又可用于分類和優(yōu)化。

圖3 材料科學(xué)中常用的數(shù)據(jù)挖掘算法[21]Fig.3 The data mining algorithms used in material science[21]

神經(jīng)網(wǎng)絡(luò)最初起源于1957年Rosenblatt發(fā)明的單層感知機(jī)，隨著非線性問題需求的增加，多層神經(jīng)網(wǎng)絡(luò)不斷發(fā)展。神經(jīng)網(wǎng)絡(luò)基本原理是利用權(quán)重連接輸入層、隱藏層、輸出層之間的組合神經(jīng)單元，并不斷訓(xùn)練連接的權(quán)值直至計算結(jié)果足夠逼近預(yù)期值，從而解決復(fù)雜的計算問題。隨著多層神經(jīng)網(wǎng)絡(luò)的發(fā)展應(yīng)用，深度學(xué)習(xí)的概念被提出，卷積神經(jīng)網(wǎng)絡(luò)、解積神經(jīng)網(wǎng)絡(luò)等更復(fù)雜的神經(jīng)網(wǎng)絡(luò)算法也隨之出現(xiàn)，如圖4所示[22]。

圖4 不同類型的多層神經(jīng)網(wǎng)絡(luò)[22]Fig.4 Various multi-layers neural networks[22]

支持向量機(jī)(SVM)是由Cortes和Vapnik等于1995年首先提出的，屬于二分類模型算法，其基本原理是通過線或者超平面實現(xiàn)樣本集在二維或三維空間里面的間隔最大化[23]。相較于其他分類統(tǒng)計算法對大樣本數(shù)據(jù)量的要求和難以解決復(fù)雜的高維度問題，SVM在解決小樣本、非線性及高維度的數(shù)據(jù)模式識別時也能獲得較好的結(jié)果，表現(xiàn)出了許多特有的優(yōu)勢，并能夠被推廣應(yīng)用到函數(shù)擬合等其他機(jī)器學(xué)習(xí)問題中。

3.2 數(shù)據(jù)挖掘方法在材料科學(xué)中的應(yīng)用

隨著大數(shù)據(jù)的發(fā)展和計算機(jī)軟硬件實力的提高，90年代末期數(shù)據(jù)挖掘方法就已經(jīng)開始被大量應(yīng)用到材料科學(xué)研究及生產(chǎn)控制過程中，如材料性能預(yù)測和優(yōu)化、新材料設(shè)計開發(fā)、生產(chǎn)過程的監(jiān)控等方面。

3.2.1 材料性能預(yù)測和優(yōu)化

數(shù)據(jù)挖掘在材料性能預(yù)測和優(yōu)化方面的應(yīng)用最為廣泛。其中多層神經(jīng)網(wǎng)絡(luò)算法是使用較多的一種數(shù)據(jù)挖掘算法，常配合不同的優(yōu)化算法進(jìn)行解的快速搜索，如非線性最小二乘法、批梯度下降算法、沖量批梯度下降法、遺傳算法等。常規(guī)性能預(yù)測算法基本思路是：假定已知某材料的一組性能指標(biāo)P與X個因子之間的相關(guān)性，利用數(shù)據(jù)庫中n個樣本的實驗數(shù)據(jù)集，設(shè)置各因子的可變范圍以及約束條件，通過數(shù)據(jù)挖掘的方法，建立P與X之間的線性或非線性關(guān)系，并據(jù)此指導(dǎo)材料的單一或多目標(biāo)優(yōu)化。目前，數(shù)據(jù)挖掘在材料的強(qiáng)度[24]、沖擊韌性[25]、淬透性[26]、疲勞和蠕變[27]等相關(guān)性能預(yù)測方面已有大量的應(yīng)用。

基于熱軋鋼板的成分、熱軋工藝(溫度、變形、道次)等實際數(shù)據(jù)，Yang等[28]通過3層前饋神經(jīng)網(wǎng)絡(luò)模型，結(jié)合貝葉斯對權(quán)值進(jìn)行優(yōu)化訓(xùn)練的方法，獲得了誤差較小的拉伸強(qiáng)度預(yù)測結(jié)果。Powar等[29]通過11-5-7的3層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，建立了包含30CrMoNiV5-11的元素成分、奧氏體化溫度和時間、冷卻時間t8/5等的輸入層，與由屈服強(qiáng)度、抗拉強(qiáng)度、伸長率以及珠光體、貝氏體和殘余奧氏體的體積分?jǐn)?shù)等構(gòu)成的輸出層之間的關(guān)系模型，且相關(guān)性系數(shù)R大于90%。針對相變誘導(dǎo)塑性(TRIP)鋼，Bhattacharyya等[30]利用11-15-1的3層神經(jīng)網(wǎng)絡(luò)模型，采用雙曲正切函數(shù)作為傳遞函數(shù)，獲得了包含C，Si，Mn，P，Al，Nb，Cr的質(zhì)量分?jǐn)?shù)、臨界區(qū)退火溫度和時間、貝氏體等溫轉(zhuǎn)變溫度和時間的11個輸入層節(jié)點(diǎn)到殘余奧氏體含量的預(yù)測模型。Liu等[31, 32]利用前饋神經(jīng)網(wǎng)絡(luò)模型對Nb-Si基高溫合金的微觀組織與性能之間的關(guān)聯(lián)關(guān)系進(jìn)行了挖掘?qū)W習(xí)，建立了基于Nb5Si3的體積分?jǐn)?shù)、形貌、尺度等微觀組織變量對抗拉強(qiáng)度、斷裂韌性等實現(xiàn)預(yù)測的模型。

遺傳算法-神經(jīng)網(wǎng)絡(luò)(GA-ANN)結(jié)合算法被應(yīng)用到了某FeCrNiMn奧氏體不銹鋼體積模量的預(yù)測中，且該預(yù)測結(jié)果與基于密度泛函理論(DFT)的第一性原理的計算結(jié)果非常接近，證明了GA-ANN算法預(yù)測的精準(zhǔn)性[33]。此外，在已獲得的第一性原理計算結(jié)果數(shù)據(jù)基礎(chǔ)上利用隨機(jī)森林等方法構(gòu)建數(shù)據(jù)挖掘模型，獲取知識模型和重要的影響因素后，即可代替第一性原理計算直接預(yù)測Ni基、Co基高溫合金摻雜元素的置換能和幾何結(jié)構(gòu)，間接節(jié)約了材料性能計算和設(shè)計的時間[34]。可見，數(shù)據(jù)挖掘為第一性原理計算的加速提供了另一種思路和方向。

3.2.2 材料特征曲線擬合

數(shù)據(jù)挖掘算法在材料特征曲線的擬合方面也有著廣泛的應(yīng)用。Haque等[27]利用神經(jīng)網(wǎng)絡(luò)，對獲得的大量實驗數(shù)據(jù)進(jìn)行擬合，建立了不同馬氏體含量的系列雙相鋼的腐蝕疲勞裂紋擴(kuò)展速率da/dN與應(yīng)力強(qiáng)度因子變化量ΔK的關(guān)系模型，實現(xiàn)了其在雙相鋼腐蝕疲勞裂紋擴(kuò)展速率預(yù)測中的應(yīng)用。

在熱塑性變形方面，通過對材料流變應(yīng)力應(yīng)變實驗數(shù)據(jù)的學(xué)習(xí)，針對不同材料成分，可擬合和預(yù)測應(yīng)變速率和溫度條件下對應(yīng)的高溫?zé)釅嚎s時的流變應(yīng)力應(yīng)變曲線和本構(gòu)方程，以及動態(tài)再結(jié)晶的體積分?jǐn)?shù)和晶粒尺寸，從而為后期鍛造過程的多場耦合建模、應(yīng)力應(yīng)變計算和組織預(yù)測模擬提供精準(zhǔn)的材料本構(gòu)方程[35]。然而，利用數(shù)據(jù)挖掘的模型分析成分對流變應(yīng)力的影響還有待進(jìn)一步深入的研究。

在焊接方面，數(shù)據(jù)挖掘算法除了被應(yīng)用到材料焊接后的性能預(yù)測(如熱影響區(qū)的硬度[36])，還被應(yīng)用到了焊接熱源形狀參數(shù)的擬合預(yù)測中。例如通過對實際鎢極惰性氣體保護(hù)焊接(GTAW)過程中獲得的不同焊接條件(如電流、焊接速度)下雙橢圓體熱源尺寸數(shù)據(jù)集進(jìn)行數(shù)據(jù)挖掘，可較好地擬合出焊接熱源形狀參數(shù)變化情況，并預(yù)測未知焊接條件下的形狀結(jié)果[37]。通過擬合預(yù)測熱源模型，能夠為焊接過程的有限元模擬提供精準(zhǔn)的熱源輸入模型，保證了更準(zhǔn)確的溫度場計算結(jié)果。

3.2.3 質(zhì)量預(yù)測及生產(chǎn)監(jiān)控

基于風(fēng)險最低原則，常采用支持向量機(jī)、決策樹、神經(jīng)網(wǎng)絡(luò)等分類算法對材料生產(chǎn)過程參數(shù)進(jìn)行在線異常監(jiān)控以及質(zhì)量預(yù)測。

在鋼生產(chǎn)過程中的表面質(zhì)量分類和缺陷在線預(yù)測控制方面，數(shù)據(jù)挖掘算法已經(jīng)獲得了較多的實際應(yīng)用，基本上能保證預(yù)測和監(jiān)控精準(zhǔn)度在90%以上[38]。其基本監(jiān)控流程是：通過在線缺陷圖像信息采集，獲取缺陷圖片的幾何特征(如長度、正方度、面積等)、圖片的灰度數(shù)據(jù)、織構(gòu)特征信息(能量、粗糙度、對比度、方向等)等表征參數(shù)，再利用數(shù)據(jù)挖掘中的分類算法和優(yōu)化算法組合建模，快速實現(xiàn)缺陷的鑒定、識別和分類[39]。

分類算法還被廣泛應(yīng)用到焊接質(zhì)量預(yù)測控制等相關(guān)方面。通過決策樹分類模型，根據(jù)焊接過程中的電流和電壓信號可以實現(xiàn)對焊接效果(有氣孔、完好、過燒)的評價，對焊接效果等級進(jìn)行分類和在線監(jiān)控[40]；結(jié)合聚類和神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘算法，可基于數(shù)據(jù)庫中焊接缺陷分類結(jié)果，判斷影響焊接穩(wěn)定性的因素[41]；利用支持向量機(jī)可對焊接的高熱輸入風(fēng)險進(jìn)行在線評估和預(yù)測[42]。

此外，對材料服役過程的缺陷診斷，也能夠使用分類算法。決策樹和支持向量機(jī)等就被應(yīng)用到對滾動軸承缺陷的分類和診斷工作中，通過前期數(shù)據(jù)的學(xué)習(xí)和模型建立，使得根據(jù)軸承的震動信號就可自動實現(xiàn)對缺陷狀況的診斷[43]。

3.2.4 微觀組織的識別和分類

與指紋識別功能類似，數(shù)據(jù)挖掘方法也開始被應(yīng)用到對材料微觀組織照片的識別和分類中，使得組織信息能夠數(shù)字化，為高通量實驗或數(shù)據(jù)庫的非結(jié)構(gòu)化文件的分類和關(guān)聯(lián)提供了新的思路和方向。

Decost等[44]利用支持向量機(jī)算法實現(xiàn)了對黃銅、球墨鑄鐵、灰口鑄鐵、亞共析鋼、高溫合金、退火孿晶等不同系列微觀組織照片的識別和分類，以便對存放有大量材料組織照片的數(shù)據(jù)庫進(jìn)行分類管理。此外，Gola等[45]利用支持向量機(jī)算法也實現(xiàn)了對金相組織照片和透射電鏡照片中出現(xiàn)的馬氏體、貝氏體和珠光體的基體組織進(jìn)行分類。

此外，數(shù)據(jù)挖掘方法以及PCA等降維方法也開始被應(yīng)用到了三維場離子顯微鏡分析中，以獲得更精準(zhǔn)的數(shù)據(jù)結(jié)果[46]。PCA主要是通過對數(shù)據(jù)進(jìn)行特征值分析，確定出需要保留的主成分個數(shù)，舍棄其他數(shù)據(jù)冗余和噪聲，從而實現(xiàn)數(shù)據(jù)的降維。PCA是目前圖像處理較為常用的降維方法。

3.3 數(shù)據(jù)挖掘在材料基因中的應(yīng)用發(fā)展和問題

數(shù)據(jù)挖掘過程不需要考慮參數(shù)之間復(fù)雜的物理和化學(xué)意義，就可以直接從材料數(shù)據(jù)庫中挖掘出有價值的知識或模式，它能夠充分發(fā)揮材料數(shù)據(jù)庫甚至小數(shù)據(jù)量在材料設(shè)計中的作用。在材料基因工程項目的推動下，數(shù)據(jù)挖掘在材料設(shè)計中的應(yīng)用不斷被深入和拓展。

根據(jù)材料基因工程理念，數(shù)據(jù)挖掘算法未來可以被集成、應(yīng)用到材料數(shù)據(jù)庫以及高通量計算平臺中，通過對材料成分-工藝-組織-性能數(shù)據(jù)規(guī)律和知識的自動學(xué)習(xí)，進(jìn)行多參數(shù)、多目標(biāo)的優(yōu)化計算，能夠大大提高材料設(shè)計速度，降低設(shè)計成本，更好地指導(dǎo)材料性能預(yù)測或新材料設(shè)計。目前，基于材料數(shù)據(jù)庫和高通量計算結(jié)果，數(shù)據(jù)挖掘技術(shù)已經(jīng)開始成功運(yùn)用到了功能材料等新材料的設(shè)計和開發(fā)中。徐一斌團(tuán)隊[47]在數(shù)據(jù)庫基礎(chǔ)上，通過支持向量機(jī)、回歸等機(jī)器學(xué)習(xí)方法獲得了高界面熱阻的材料組合，并結(jié)合高通量薄膜制備技術(shù)，制備出了目前世界上隔熱性能最高的無機(jī)納米復(fù)合薄膜。

數(shù)據(jù)挖掘算法的復(fù)雜性以及材料數(shù)據(jù)庫中相關(guān)參數(shù)的多樣性，決定了數(shù)據(jù)分析是一個需要多學(xué)科知識交匯和大量經(jīng)驗積累的過程。Agrawal等[48]基于NIMS數(shù)據(jù)庫中的鋼鐵材料疲勞數(shù)據(jù)庫，建立了針對材料疲勞強(qiáng)度設(shè)計的知識模型，對比了十幾種數(shù)據(jù)挖掘組合算法的精準(zhǔn)性，包括線性回歸、決策樹、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)、模型樹等，并獲得了包括材料成分、工藝參數(shù)、缺陷分布等25個輸入?yún)?shù)對疲勞強(qiáng)度的正負(fù)相關(guān)性影響，如圖5所示。因此，如何在已有材料數(shù)據(jù)庫中確定自變量和因變量，并選擇合適的數(shù)據(jù)挖掘算法，如何從獲得的結(jié)果中讀取知識，以及如何判斷數(shù)據(jù)挖掘獲得知識的準(zhǔn)確性，是數(shù)據(jù)挖掘過程中需要深入研究的問題。

圖5 25個不同參數(shù)與疲勞強(qiáng)度相關(guān)性的關(guān)系[48]Fig.5 The relationship between 25 inputs and correlation with fatigue strength[48]

確保數(shù)據(jù)挖掘結(jié)果準(zhǔn)確性的一個重要因素是材料數(shù)據(jù)庫的數(shù)據(jù)可靠性。因此，在建立材料數(shù)據(jù)庫的過程中通常要求設(shè)置數(shù)據(jù)審查機(jī)制，以保證數(shù)據(jù)庫中所有上傳數(shù)據(jù)的正確性。當(dāng)然在數(shù)據(jù)挖掘過程中，通過數(shù)據(jù)預(yù)處理可以對噪聲點(diǎn)、異常值進(jìn)行清洗，一定程度上能夠減小數(shù)據(jù)誤差造成的分析結(jié)果偏差。然而，除了利用成功的實驗數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和分析外，失敗或不成功的實驗數(shù)據(jù)用于預(yù)測新材料的合成也獲得了較高的準(zhǔn)確性[49]，大幅提高了新材料研發(fā)的可能性。

4 結(jié) 語

在材料基因工程中，數(shù)據(jù)挖掘需要與材料數(shù)據(jù)庫以及高通量計算相互結(jié)合、協(xié)同發(fā)展，才能更好地發(fā)揮其對材料加速設(shè)計的作用和意義。

(1)數(shù)據(jù)庫作為數(shù)據(jù)管理和存儲技術(shù)，為數(shù)據(jù)挖掘和高通量計算提供了輸入?yún)?shù)。材料數(shù)據(jù)庫目前已逐步從孤立的離線數(shù)據(jù)庫向在線數(shù)據(jù)庫和共享數(shù)據(jù)庫方向發(fā)展，但其結(jié)構(gòu)化、標(biāo)準(zhǔn)化等方面還有待改善。逐步發(fā)展起來的數(shù)據(jù)庫云理念結(jié)合數(shù)據(jù)匹配算法方便了分布式數(shù)據(jù)庫之間的連接，為數(shù)據(jù)庫結(jié)構(gòu)差異性問題提供了解決途徑。同時，需要進(jìn)一步擴(kuò)大數(shù)據(jù)量以實現(xiàn)材料數(shù)據(jù)庫的規(guī)模化進(jìn)而提高數(shù)據(jù)挖掘結(jié)果的精準(zhǔn)性。

(2)數(shù)據(jù)挖掘可為材料數(shù)據(jù)庫提供數(shù)據(jù)分析技術(shù)和方法，從已有的數(shù)據(jù)中發(fā)現(xiàn)知識和規(guī)律，加速材料設(shè)計。通過完善材料數(shù)據(jù)庫中的材料成分、工藝、組織、性能數(shù)據(jù)，再利用數(shù)據(jù)挖掘技術(shù)可建立成分-工藝-組織-性能之間的關(guān)系模型。掌握從海量的數(shù)據(jù)中選擇合適的樣本數(shù)據(jù)、建立參數(shù)的相關(guān)性，并精準(zhǔn)地提取規(guī)律和解釋知識，是數(shù)據(jù)挖掘技術(shù)在材料設(shè)計中深入應(yīng)用需要重點(diǎn)關(guān)心的方面。

(3)數(shù)據(jù)庫與數(shù)據(jù)挖掘技術(shù)的結(jié)合、數(shù)據(jù)庫匹配、數(shù)據(jù)自動收集、在線可視化、在線計算、在線分析等數(shù)據(jù)庫新功能的拓展，將使材料基因工程數(shù)據(jù)庫發(fā)展成為一個綜合性平臺，既是數(shù)據(jù)庫平臺，也是計算平臺和數(shù)據(jù)分析平臺。目前數(shù)據(jù)挖掘技術(shù)在數(shù)據(jù)庫中的應(yīng)用大多都是線下操作，而且數(shù)據(jù)樣本的大小和數(shù)據(jù)的精準(zhǔn)性也影響著數(shù)據(jù)挖掘的結(jié)果。未來，通過在材料基因數(shù)據(jù)庫中直接集成嵌入數(shù)據(jù)挖掘算法，進(jìn)行數(shù)據(jù)在線自動學(xué)習(xí)、異常數(shù)據(jù)清洗、知識提取，以便更好地支撐材料設(shè)計,提高研發(fā)效率。