近日，中国工程院院士、东北大学教授、中国金属学会轧钢分会副理事长王国栋在第三届中国新材料产业发展大会上表示，材料科技要运用数字化转型，高保真度的数字孪生建模是材料科学和技术研究的关键核心。以下为报告整理。

01、数字化战略推动材料行业转型

当前，在钢铁行业——实际上在整个材料行业方面，第一要实施绿色化战略；第二是数字化战略，过去我们称为智能化战略；此外还有高质化战略，孵化战略等。

其中，数字化战略是一个最重要的支撑和保证。首先，数字化助力钢铁工业高质量发展。随着大数据时代的来临，工业互联网、云计算、大数据、人工智能等新一代信息技术的发展和应用已逐渐走向成熟，正式宣告了数字时代的来临。

数据在今天已经成为数字时代社会发展的重要驱动力。在农业时代重要的生产要素是土地和劳动，在工业时代是资本和企业家的才能。到了数字时代，生产要素又增加了一个非常重要的新要素，就是数据。

数据是数字时代构建数字生产力，推动经济发展的新型生产要素。数据已经成为全球新一轮产业竞争的制高点， 改变国际竞争格局的新变量，材料行业也要向数字材料转型。

从钢铁行业来分析——实际上这也代表着全材料行业的问题，钢铁行业面临的挑战是什么？最大的问题就是一系列的“黑箱”，整个生产过程充满着不确定性。不确定性是钢铁行业面临的最大挑战，也是材料行业面临的最大挑战。

不确定性问题解决得依靠什么？得依靠数字化、智能化，“黑箱”就是数字化应用的最佳场景。钢铁行业数字化崛起的重要机遇，就在于钢铁行业是全流程的“黑箱”，处处都是数字化、智能化应用的场景。

另外一方面，就是数据资源的优势。钢铁行业是一个高度自动化的行业，控制水平和自动化水平都不错，有很好的数据采集系统。我们可以从实际生产过程中采集大量生产过程的信息，而这些信息数据蕴含企业生产过程的全部规律。这一数据是最宝贵的资源，是关键的生产要素。目前看来，我们在这方面还是有很大的差异，有很大的提升空间。

02、高保真度的数字孪生建模是关键核心

信息技术的发展给我们提供了强大的信心。数据科学、数字化与智能化技术是解决不确定性问题的要素，而我们正在掌握这些要素。

原位分析系统即数字孪生，是材料科学数字化的内核与核心部分。在材料加工冶金技术中很重要一点，就是要求能够实现高保真度。因为对象是变化的，要能根据对象的变化来修改模型，使得它可以惟妙惟肖地模拟生产过程，所以被称为保真度，而不仅是精度的意义和概念。

这一高保真度建模就是数据孪生，实际上就是描述一系列的输入和输出间关系的预算模型。对某一个特定测定过程而言，这一过程中的规律决定过程本身和输入量、输出量，这三方面与过程本身的物质材料无关。比如操作变量、材料的成本设计，这都是输入的因素。

另外一方面是组织和性能的关系，其中高保真度的数字孪生建模是材料科学和技术研究的关键核心。数字孪生建模有两种办法，一种以物理化学模型为基础，一些重要的参数和关系需要用大数据和人工智能来修正，这样也能得到一定保真度的数字孪生。但是这个物理过程和化学过程的模型，如果太复杂计算过程就会非常长，这是一种以模型驱动的建模方法。

另外一种办法是什么？就是用最新的大数据加机器学习，用过程数据而不是材料数据，可以建立模型来具体描述这一过程，而且它具有高的保真度，这样也可以建立数字孪生。但是要注意的是，这种模型得出来的是一种“不讲理”的办法，它可以建构模型，但是无法解释机理。

有时候应用研究走在前面，就可以反过来促进基础研究，能用物理化学理论模型对现在的模型进行分析，最后通过结合的办法开发新一代的冶金与材料加工理论和技术，这就是数据驱动的模型。

2008年美国曾经实施过集成计算材料工程(Integrated Computational Materials Engineering-ICME)，它是以材料基础理论为基础，以模拟分析为主要手段。这一办法效率比较低，成本高，难以实现大块材料的复杂状态和边界条件，因此很难做到高保真度，在实际运用会遇到很多困难。

因此在2011 年，美国又公布了一个材料基因组计划“材料创新基础设施”。目标是将材料的发现制造和应用速度提高一倍，成本降低到原来的1/3，从而提高企业的核心竞争力。它是解决企业的问题，不是基础研究项目而是建设基础设施。

2019年，美国国家科学院发布了针对材料研究的第三次十年调查《材料研究前沿: 十年调查》报告。其中指出，随着合成和加工方法的进步，需要新的原位分析能力来理解物理和化学过程。这些分析工具需要与计算工具相结合，引入机器学习算法和数据分析，有可能加速这一领域的探索和进步。

03、动态数字孪生将推动材料工业数字化转型

拥有原位分析能力系统后加上决策，再反过来进行控制，这样就形成了一个物理系统。我们将原位分析系统做成这么一个系统，它下边是三个工具，包括实验室的仪器设备、中试装备、生产线装备。需要注意的是，生产线装备也变成了实验工具。

另一方面，这些数据提供后，有些是计算机可以处理的二进制数据，不能用二进制处理的也能转化成二进制。计算工具就是机器学习、深度学习和数据分析等现代数据科学技术。这一工作可以应用于各种领域，它和材料本身是无关的，只与过程的输入、输出数据有关，所以不需要材料的参数和材料数据库的参与。

这是非常重要的，因为这种技术不仅在材料行业可以用，各行各业都可以用。再加入控制就变成一个信息物理系统，这是一个基于数据自动流动与状态感知实时分析、科学决策、精准执行的闭环赋能体系。

美国的自然科学基金会对这些物理系统有一个定义，即计算可以深深嵌入到每个相互连通的物理组件中，甚至可能嵌入到物料中，在数字空间中针对材料进行建模和计算，也就是建立物料的数字孪生。

所以将这个计算嵌入到物料，从计算系统角度而言，特别适用于材料制造。材料制造是全流程的“黑箱”，必须把计算嵌入到这一过程中去，而且它可以实时反馈循环。

材料加工、无人驾驶等属于动态数字孪生，可以形成一个闭环的赋能系统。因此动态数字孪生在钢铁工业和整个材料工业登场后，将有力地推动我们材料工业数字化转型高质量发展。

04、加速转型 促进材料工业高质量发展

这一赋能系统具有全局性、整体性、相关性、保真度、实时性、动态性等优势，此外还有六个特征即数据驱动、软件定义、泛载连接、实时映射、异构集成、系统自治。这一系统是集现代最先进信息进行之大成，是现代工业最先进的智能化控制系统。

在钢铁工业上我们尝试着在互联网架构下来做这一系统，可以解决钢铁行业中整个基础系统的控制问题，系统自动实际就是自动化控制、智能化控制，这两者之间是可以交互的。

在创新产品开发和质量在线优化方面，它的底层是什么？就是实际生产线。在数据来源中，中试基地的实验系统、实验室规模的操作系统等都会提供数据，可以加工成数字孪生。这些数字孪生可以逐渐地通过丰富的数据和计算方法的改进等，可用较少的实验数据得到比较靠近实际的规律。这一系统做好后，再在实际控制生产中去优化。

1988年我们就开始做数字孪生的研究，那时候叫组织性能预测，之后运用到生产线上。大数据技术出现后我们又开始研究大数据的应用，也在生产线上进行研究。“十三五”期间在信息物理系统的国家计划上，我们承担了智能制造的三个重点项目。未来以创新驱动协同创新，加速材料科技数字化转型，促进材料工业高质量发展，是我们努力的愿景。