封面介绍
传统上，先进材料是通过经验或反复实验来发现的。随着现代实验和计算技术创造的大数据越来越容易获得，数据驱动或机器学习方法为材料的发现和合理设计开辟了新的范式。在本期中，周腾和他的同事们介绍了各种机器学习方法和相关的软件或工具。强调了在材料研究中采用这些方法的主要思想和基本程序。讨论了近年来机器学习在功能材料设计中的代表性应用。
智能制造是提高过程工业质量的关键。在智能制造中，有这样一种趋势：将各种新一代信息技术融合到过程安全分析中。目前，由于危险化学品的大量使用，绿色制造面临着安全管理方面的重大障碍，从而导致化工过程空间的不均匀化以及安全环保法规的日益严格化。新兴的信息技术，如人工智能（AI），作为克服这些困难的一种手段，是很有前景的。基于最先进的人工智能方法和过程工业中复杂的安全关系，我们识别并讨论了与过程安全相关的几个技术挑战：用过程安全的稀缺标签进行知识获取；基于知识的过程安全推理；不同来源异构数据的精确融合；以及动态风险评估和辅助决策的有效学习。在此背景下，本文还讨论了当前和未来的工作。
文中概述了配方产品智能制造的挑战，这些产品通常是多组分、结构化和多相的。这些挑战主要存在于食品、制药、农用和专用化学品、能源储存和含能材料以及消费品行业，并且由快速变化的客户需求以及在某些情况下严格的监管框架所推动。本文论述了智能制造方面的进展，即数字化及使用含有预测模型和求解算法的大型数据集。虽然已经取得了一些进展，但仍然迫切需要对现实问题进行更多基于模型的工具演示，以证明其优势并突出系统性缺陷。
安全、高效、可持续的运行是工业生产过程控制的主要目标。然而，目前的技术严重依赖人为干 预，因此在实际应用中体现出明显的局限性。蓬勃发展的大数据时代对流程工业产生了巨大的影 响，为实现智能制造提供了前所未有的机遇。这种新的生产方式不仅要求机器能够帮助人类减轻 繁重的体力劳动，还要能有效地承担智力劳动，甚至能够实现自主创新。为了实现这一目标，数 据分析与机器学习扮演着不可或缺的角色。在本文中，我们回顾了数据分析和机器学习在工业生 产过程监控、控制和优化方面的最新进展，着重分析机器学习模型的可解释性和功能性。通过分 析实际需求与研究现状之间的差距，为未来的研究方向给出了建议。
材料的发展在历史上是由人类的需求和欲望所驱动的，且在可预见的将来，这种情况应该会继续下去。到2050年，全球人口预计将达到100亿，人们对清洁高效能源、个性化消费产品、安全食品供应和专业医疗保健等方面的需求也将日益增加。新型功能材料是为目标属性或性能而定制的，这将是应对挑战的关键。从传统上讲，先进的材料都是通过经验或实验验证的方法发现的。因为现代实验和计算技术产生的大数据越来越容易获取，数据驱动或机器学习（ML）方法为发现和合理设计材料打开了新的蓝图。本文简要介绍了各种ML方法和相关的软件或工具。重点介绍了将ML方法应用于材料研究的主要思路和基本步骤。本文还总结了近期ML在多孔聚合材料、催化材料和含能材料的大规模筛选和优化设计中的重要应用。最后给出了结束语和展望。
化工过程可以从快速准确的流出物成分预测中获益良多，以进行工厂设计、控制和优化。工业4.0革命宣称，通过将机器学习引入这些领域，就可实现可观的经济收益和环境收益。高频优化和工艺控制的瓶颈往往是按要求对原料和产品等进行详细分析所需的时间。为解决这些问题，已为最大的化工品生产工艺——蒸汽裂解——建立由四个深度学习人工神经网络（DL ANNs）组成的框架。所提出的方法可根据有限数量的石脑油商业指标和可快速获得的工艺特性，确定石脑油原料的详细特性和蒸汽裂解炉流出物的详细组成。根据沸点曲线上的三个点和PIONA（烷烃、异链烷烃、烯烃、环烷烃和芳香烃）特性预测石脑油的详细特性。若沸点不可用，则同时对沸点进行估计。即使在估计沸点的情况下，所建立的深度学习人工神经网络仍优于已有的香农信息熵最大化和传统人工神经网络等方法。对于原料重构，在测试集得到的平均绝对误差（MAE）为0.3 wt%，流出物预测的平均绝对误差为0.1 wt%。结合所有网络时——使用前一网络的输出作为下一网络的输入——流出物平均绝对误差增大至0.19 wt%。除这些网络具有高精度外，主要好处是获得预测值所需的计算成本可忽略不计。在标准的英特尔i7处理器上，预测值以毫秒为单位。COILSIM1D等商业软件在精度方面表现稍好一些，但每个反应所需的中央处理器时间以秒为单位。速度大大提高，精度损失极小，使所提出的框架非常适用于连续监控难以获取的工艺参数，且非常适用于预想的高频实时优化（RTO）策略或工艺控制。然而，缺乏基本依据意味着几乎完全丧失基本的理解，而这并不总是被工程界广泛接受。此外，对于那些与训练集内石脑油非常不同的石脑油，所建立网络的性能有明显下降。
构建聚乙烯生产过程领域知识库，形成可复用的生产知识，有助于提升化工行业的智能制造水平。本文结合聚乙烯生产工艺特点，根据实际生产操作需求，设计了知识库的总体结构。引入本体作为聚乙烯生产过程领域知识表示和共享的载体，使用七步法对聚乙烯生产过程进行本体建模，构建了包含知识本体和推理分析的本体库；建立操作条件和分子量分布（MWD）之间的BP神经网络模型，进行MWD的预测；采用差分进化算法对MWD进行优化，实现对操作参数的优化。以MYSQL数据库作为后台支撑数据库，结合Java语言对知识库系统进行设计和开发，实现了基于Browser/Server框架的聚乙烯生产过程操作优化知识库系统。在实际工业应用中，初步验证了该知识库能够满足聚乙烯生产过程操作优化和管理的功能需求，并具有推广到其他化工生产应用场景的价值。
自动化和数字化方面的最新进展使得物理设备与其对应的虚拟设备紧密集成，从而促进了实时建模与多个过程的自动优化。此类系统提供了丰富且不断更新的数据环境，使得系统随着时间的推移做出决策，并将过程推向最优目标成为可能。在许多制造过程中，为了实现整体最优过程，必须同时评估与过程性能和成本有关的多个目标函数。本文提出了一个多目标最优实验设计框架，用于提高在线模型识别平台的效率。所提出的框架能够灵活权衡实验设计解决方案，这些解决方案可以在线计算（即在执行实验期间）。将该框架应用于流动反应器中动力学模型在线识别的案例研究，并确定了微反应器中苯甲酸（benzoic acid, BA）和乙醇酯化的动力学模型。
在铝电解过程中，添加氟化铝能降低电解质的初晶温度，从而提高电流效率。氟化铝添加量的决策是一项复杂的知识型工作，需要考虑许多相关的因素，在实际生产中主要依赖于人工经验。由于工艺人员的主观性以及铝电解槽的复杂性，基于知识或者基于数据的决策方法难以保证添加的准确性。现有的决策方法难以囊括复杂的因果关系。本文针对氟化铝添加量的决策提出了一种基于强化模糊认知图的数据与知识协作策略。在这种方法中，改进的模糊k均值和模糊决策树用于提取模糊规则，其中提取的规则用于修正专家提出的初始框架。同时，采用状态转移优化算法（STA）获取强化模糊认知图的权重。将提出的方法与已有方法进行对比，结果表明，强化模糊认知的收敛速度快于基于Hebbian学习方法、粒子群优化方法以及遗传算法。不仅如此，基于所提方法氟化铝添加量的决策准确率高于其他方法。因此，针对氟化铝添加量的决策，本文提出的方法是有效的。
本工作致力于抗体片段纯化过程的多尺度优化。优化了生产过程中的色谱决策，包括色谱柱的数量及其大小，每批的循环数以及操作流速。使用基于微型实验数据的制造规模模拟数据集，建立了以负载质量、流速和柱床高度为输入的色谱通量数据驱动模型。与其他方法相比，分段线性回归建模方法具有简单、预测精度高的优点。提出了两种混合整数非线性规划（MINLP）模型，结合数据驱动模型，以最小化每克抗体纯化过程的总成本。然后，使用线性化技术和多参数分解将这些MINLP模型重新构造为混合整数线性规划（MILP）模型。研究了两个具有不同色谱柱尺寸替代品的工业相关案例，以证明所提出模型的适用性。
本文对日本建筑结构监测技术的发展进行了综述，重点介绍了监测系统的类型、策略和开发利用。本文主要对基于振动技术的桥梁和建筑结构进行了介绍。日本的建筑结构监测系统历来都是以评估建筑结构对极端事件的响应程度为目标的。在建筑结构监测技术的开发中，监测系统和所收集到的数据被用来验证设计假设、更新技术参数并优化振动控制系统的性能。本文对大跨度桥梁和高层建筑的设计验证、建筑物和桥梁的隔震系统性能、建筑结构改造和加固验证、结构控制系统验证（被动式、半主动式和主动式）、结构评估和损伤检测进行了研究。近年来，监测系统的应用范围被逐步扩大，监测数据的充分利用使得风险和资产管理趋于合理化，从而进一步提升了监测系统的高效运作和有效维护。本文还从对日本桥梁和建筑结构监测案例研究中总结了一些经验教训和反馈意见。
在桥梁工程史上，需求一直是发展的首要驱动力。改革开放以来，在巨大的建设需求驱动下，中国桥梁完成了从“跟随者”向“竞争者”再向“引领者”的转变，在三个主要阶段实现了量和质的飞跃。中国桥梁工程迎来了新的未来。作为中国交通基础设施的重要组成部分，桥梁工程产业在新时期面临着如何支撑新型交通方式建设的挑战。本文基于对存量需求、增量需求和管理需求的基本分析，总结了中国桥梁技术的现状。我们认为，中国桥梁工程产业必须满足三大突出要求——高效建造、有效管养、长效服役。基于信息技术的智能化技术为桥梁工程创新提供了新机遇。因此，桥梁工程的发展路径亟需被改变。本文提出以发展智能化为特征的“第三代桥梁工程”的构想，同时对智能化桥梁的定位、发展重点、发展规划进行了探讨，为中国桥梁工程产业核心竞争力的提升提供了方向。
结构性干预包括修复和（或）改善结构性能。除了混凝土和钢材这两种典型的混凝土结构材料外，各种纤维增强复合材料（FRP），混合纤维、聚合物和黏合剂的黏结材料也常被用于结构性干预。为了预测结构性能，有必要开发一种不仅适用于钢材，而且适用于其他材料的通用方法。这种通用模型可以提供有关改善结构性能所需的力学性能的信息。外部黏结是一种典型的结构干预方案，在新结构中没有得到应用。为了在基体混凝土和外部黏结材料的接合点上获得更好的黏结强度，我们有必要阐明材料的性能和结构细节。本文介绍基体混凝土的力学性能和相关干预材料用于以下目的：①获得更高的抗剪强度和减少构件在结构性干预后的极限变形；②使外部黏结获得更高的黏结强度。本文得出的结论是，在有结构干预的结构中，为了提高结构的力学性能，干预材料的一些力学性能和结构细节是新的，且不同于没有干预的结构。例如，在无结构性干预的结构中，高强度和高刚度是材料的重要性能，而高断裂应力和低刚度是结构干预材料的重要性能。
碱硅反应（ASR）是混凝土结构（如桥梁和水坝）在长期的高湿度环境下发生的主要劣化机制之一。ASR是骨料中活性硅成分与水泥浆中碱金属离子之间发生的一种化学反应。这种化学反应会产生ASR凝胶，该凝胶吸水后膨胀，造成混凝土损坏和开裂，最终导致混凝土力学性能下降。本研究基于晶格离散粒子模型（LDPM），研究了混凝土的ASR损伤。LDPM可在粗骨料尺度上模拟混凝土，它是一种中尺度力学模型。作者已经成功地利用LDPM框架对ASR建模，并且通过实验数据对所得模型ASR-LDPM进行了校准和验证。本研究将ASR-LDPM用作中尺度模型，并采用最新开发的多尺度均质化框架来模拟ASR的宏观尺度效应。作者首先分析了由ASR-LDPM模拟的混凝土代表性体积元（RVE）在拉伸和压缩两种情况下的均质化行为，并研究了ASR对混凝土有效力学性能的影响。接下来，作者利用已开发的均质化框架再现了关于混凝土棱柱体自由体积膨胀的实验数据。最后，作者通过中尺度模型和所提出的多尺度方法，评估了压缩和四点弯曲梁中棱柱体的强度退化现象，以分析后者的准确性和计算效率。在所有数值分析中，作者考虑了具有不同内部粒子划分的RVE大小，以探讨它们对均质化响应的影响。
笔者从长期回顾的角度阐述了对人工智能（AI）/数据科学与生物医学之间关系的看法。随着新技术的不断出现，现代生物医学的发展持续加速。由于所有生命系统基本上都受其自身DNA中信息的支配，因此信息科学对生物医学的研究具有特别重要的意义。与物理学不同，在生物学中没有发现（或很少有）主导定律。因此，在生物学中，“数据到知识”方法很重要。人工智能在历史上一直应用于生物医学，最近的新闻表明，基于人工智能的方法在国际蛋白质结构预测竞争中获得了最佳性能，这可能被视为该领域的另一个里程碑。类似的方法可能有助于解决基因组序列解释中的问题，如确定患者基因组中的癌症驱动突变。最近，新一代测序（NGS）的爆炸性发展已产生大量数据，并且这种趋势将加速。NGS不仅用于“读取”DNA序列，而且还用于在单细胞水平上获得各种类型的信息。这些数据可以视为气候模拟中的网格数据点。数据科学和人工智能对于这些数据的综合解释/模拟都将变得至关重要，并将在未来的精密医学中起主导作用。
增材制造的快速发展和形状记忆聚合物材料的进步推动了四维（4D）打印技术的进展。随着设计方面的不断改进，逐渐证明有可能实现可逆4D打印或双向4D打印。这项技术将完全消除对人为干预的需要，因为编程完全由外部刺激驱动，这使得4D打印部件可以在多个周期内启动。本研究提出了一种新的可逆4D打印驱动方法，其中弹性体的溶胀和热量用于编程阶段，以及热量用于恢复阶段。本研究的主要重点在于自驱动设计这一步骤。为了实现对弯曲的控制，已经开发了一种简单的预测模型用于研究曲率。此外，为了更好地了解模型对曲率的预测程度，对参数、温度和弹性体厚度也进行了研究。采用这种方式理解曲率可以提供对可逆4D打印结构的高度控制。
本文开展了将数值仿真技术用于某轿车耐久分析的研究。运用了基于显式和隐式的联合仿真，同时通过子模型技术来缩短仿真时间，使整车动态仿真时间达到基于传统有限元分析方法难以达到的低水平。联合仿真模型包含所有必要的非线性因素来保障仿真精度，所有关键件都基于变形体的定义。轮胎与路面的关系通过任一路面与轮胎的接触摩擦仿真实现。通过试验样车在6种不同路面上的仿真与测量值的对比，证明了基于显式和隐式分析的联合仿真技术具有足够的精度与仿真效率。本文同时也讨论了所采用的方法的局限性及将来可能的改进。
随着信息技术的快速发展和个性化服务的不断演进，大型互联网公司在服务用户过程中积累了海数据。此外，数据的频繁跨境、跨系统、跨生态圈交互已成为常态，加剧了隐私信息在不同信息系统中有意/无意留存，但随之而来的隐私信息保护短板效应、隐私侵犯追踪溯源难等问题越来越严重，致使现有的隐私保护方案不能提供体系化的保护。本文从信息采集、存储、处理、发布（含交换）、销毁等全生命周期的各个环节角度出发，阐明了现有常见应用场景下隐私保护算法的局限性，提出了隐私计算理论及关键技术体系，其核心内容包括：隐私计算框架、隐私计算形式化定义、隐私计算应遵循的四个原则、算法设计准则、隐私保护效果评估、隐私计算语言等内容。最后以四个应用场景为示例描述了隐私计算的普适性应用，并展望了隐私计算的未来研究方向和待解决问题，期待指引开放环境下用户隐私保护等方面的理论与技术研究。