近日，中國工程院院士、東北大學教授、中國金屬學會軋鋼分會副理事長王國棟在第三屆中國新材料產業發展大會上表示，材料科技要運用數字化轉型，高保真度的數字孿生建模是材料科學和技術研究的關鍵核心。以下為報告整理。

01、數字化戰略推動材料行業轉型

當前，在鋼鐵行業——實際上在整個材料行業方面，第一要實施綠色化戰略；第二是數字化戰略，過去我們稱為智能化戰略；此外還有高質化戰略，孵化戰略等。

其中，數字化戰略是一個最重要的支撐和保證。首先，數字化助力鋼鐵工業高質量發展。隨著大數據時代的來臨，工業互聯網、云計算、大數據、人工智能等新一代信息技術的發展和應用已逐漸走向成熟，正式宣告了數字時代的來臨。

數據在今天已經成為數字時代社會發展的重要驅動力。在農業時代重要的生產要素是土地和勞動，在工業時代是資本和企業家的才能。到了數字時代，生產要素又增加了一個非常重要的新要素，就是數據。

數據是數字時代構建數字生產力，推動經濟發展的新型生產要素。數據已經成為全球新一輪產業競爭的制高點， 改變國際競爭格局的新變量，材料行業也要向數字材料轉型。

從鋼鐵行業來分析——實際上這也代表著全材料行業的問題，鋼鐵行業面臨的挑戰是什么？最大的問題就是一系列的“黑箱”，整個生產過程充滿著不確定性。不確定性是鋼鐵行業面臨的最大挑戰，也是材料行業面臨的最大挑戰。

不確定性問題解決得依靠什么？得依靠數字化、智能化，“黑箱”就是數字化應用的最佳場景。鋼鐵行業數字化崛起的重要機遇，就在于鋼鐵行業是全流程的“黑箱”，處處都是數字化、智能化應用的場景。

另外一方面，就是數據資源的優勢。鋼鐵行業是一個高度自動化的行業，控制水平和自動化水平都不錯，有很好的數據采集系統。我們可以從實際生產過程中采集大量生產過程的信息，而這些信息數據蘊含企業生產過程的全部規律。這一數據是最寶貴的資源，是關鍵的生產要素。目前看來，我們在這方面還是有很大的差異，有很大的提升空間。

02、高保真度的數字孿生建模是關鍵核心

信息技術的發展給我們提供了強大的信心。數據科學、數字化與智能化技術是解決不確定性問題的要素，而我們正在掌握這些要素。

原位分析系統即數字孿生，是材料科學數字化的內核與核心部分。在材料加工冶金技術中很重要一點，就是要求能夠實現高保真度。因為對象是變化的，要能根據對象的變化來修改模型，使得它可以惟妙惟肖地模擬生產過程，所以被稱為保真度，而不僅是精度的意義和概念。

這一高保真度建模就是數據孿生，實際上就是描述一系列的輸入和輸出間關系的預算模型。對某一個特定測定過程而言，這一過程中的規律決定過程本身和輸入量、輸出量，這三方面與過程本身的物質材料無關。比如操作變量、材料的成本設計，這都是輸入的因素。

另外一方面是組織和性能的關系，其中高保真度的數字孿生建模是材料科學和技術研究的關鍵核心。數字孿生建模有兩種辦法，一種以物理化學模型為基礎，一些重要的參數和關系需要用大數據和人工智能來修正，這樣也能得到一定保真度的數字孿生。但是這個物理過程和化學過程的模型，如果太復雜計算過程就會非常長，這是一種以模型驅動的建模方法。

另外一種辦法是什么？就是用最新的大數據加機器學習，用過程數據而不是材料數據，可以建立模型來具體描述這一過程，而且它具有高的保真度，這樣也可以建立數字孿生。但是要注意的是，這種模型得出來的是一種“不講理”的辦法，它可以建構模型，但是無法解釋機理。

有時候應用研究走在前面，就可以反過來促進基礎研究，能用物理化學理論模型對現在的模型進行分析，最后通過結合的辦法開發新一代的冶金與材料加工理論和技術，這就是數據驅動的模型。

2008年美國曾經實施過集成計算材料工程(Integrated Computational Materials Engineering-ICME)，它是以材料基礎理論為基礎，以模擬分析為主要手段。這一辦法效率比較低，成本高，難以實現大塊材料的復雜狀態和邊界條件，因此很難做到高保真度，在實際運用會遇到很多困難。

因此在2011 年，美國又公布了一個材料基因組計劃“材料創新基礎設施”。目標是將材料的發現制造和應用速度提高一倍，成本降低到原來的1/3，從而提高企業的核心競爭力。它是解決企業的問題，不是基礎研究項目而是建設基礎設施。

2019年，美國國家科學院發布了針對材料研究的第三次十年調查《材料研究前沿: 十年調查》報告。其中指出，隨著合成和加工方法的進步，需要新的原位分析能力來理解物理和化學過程。這些分析工具需要與計算工具相結合，引入機器學習算法和數據分析，有可能加速這一領域的探索和進步。

03、動態數字孿生將推動材料工業數字化轉型

擁有原位分析能力系統后加上決策，再反過來進行控制，這樣就形成了一個物理系統。我們將原位分析系統做成這么一個系統，它下邊是三個工具，包括實驗室的儀器設備、中試裝備、生產線裝備。需要注意的是，生產線裝備也變成了實驗工具。

另一方面，這些數據提供后，有些是計算機可以處理的二進制數據，不能用二進制處理的也能轉化成二進制。計算工具就是機器學習、深度學習和數據分析等現代數據科學技術。這一工作可以應用于各種領域，它和材料本身是無關的，只與過程的輸入、輸出數據有關，所以不需要材料的參數和材料數據庫的參與。

這是非常重要的，因為這種技術不僅在材料行業可以用，各行各業都可以用。再加入控制就變成一個信息物理系統，這是一個基于數據自動流動與狀態感知實時分析、科學決策、精準執行的閉環賦能體系。

美國的自然科學基金會對這些物理系統有一個定義，即計算可以深深嵌入到每個相互連通的物理組件中，甚至可能嵌入到物料中，在數字空間中針對材料進行建模和計算，也就是建立物料的數字孿生。

所以將這個計算嵌入到物料，從計算系統角度而言，特別適用于材料制造。材料制造是全流程的“黑箱”，必須把計算嵌入到這一過程中去，而且它可以實時反饋循環。

材料加工、無人駕駛等屬于動態數字孿生，可以形成一個閉環的賦能系統。因此動態數字孿生在鋼鐵工業和整個材料工業登場后，將有力地推動我們材料工業數字化轉型高質量發展。

04、加速轉型 促進材料工業高質量發展

這一賦能系統具有全局性、整體性、相關性、保真度、實時性、動態性等優勢，此外還有六個特征即數據驅動、軟件定義、泛載連接、實時映射、異構集成、系統自治。這一系統是集現代最先進信息進行之大成，是現代工業最先進的智能化控制系統。

在鋼鐵工業上我們嘗試著在互聯網架構下來做這一系統，可以解決鋼鐵行業中整個基礎系統的控制問題，系統自動實際就是自動化控制、智能化控制，這兩者之間是可以交互的。

在創新產品開發和質量在線優化方面，它的底層是什么？就是實際生產線。在數據來源中，中試基地的實驗系統、實驗室規模的操作系統等都會提供數據，可以加工成數字孿生。這些數字孿生可以逐漸地通過豐富的數據和計算方法的改進等，可用較少的實驗數據得到比較靠近實際的規律。這一系統做好后，再在實際控制生產中去優化。

1988年我們就開始做數字孿生的研究，那時候叫組織性能預測，之后運用到生產線上。大數據技術出現后我們又開始研究大數據的應用，也在生產線上進行研究。“十三五”期間在信息物理系統的國家計劃上，我們承擔了智能制造的三個重點項目。未來以創新驅動協同創新，加速材料科技數字化轉型，促進材料工業高質量發展，是我們努力的愿景。