根据3D科学谷的市场观察，NASA近日发布了小企业创新研究/小企业技术转让SBIR/STTR第一阶段资助公告，其中一项子课题编号为AERO.5.S26B，名称是：通过新型建模与实验方法加速新材料开发。
这项资助的背后，是一份2018年启动的由普惠公司牵头、超过450位专家参与完成的研究报告——《2040年愿景：材料与系统集成化多尺度建模与仿真路线图》。
该报告指向的问题，跟每一个做增材制造材料开发、零部件生产的企业都有关，涉及到未来的材料研发到底怎么搞？为什么要从做实验反复试错的模式转向性能预测模型？增材制造在这个过程中扮演什么角色？
本期谷·透视文章试着把这些问题讲清楚。
图片由AI生成
子课题支持什么技术？
AERO.5.S26B是NASA面向小企业的一项技术征集，聚焦的主题是如何用新型建模和实验方法，把新材料的开发周期压下来。
NASA在公告中明确列出了一些重点关注的材料体系和技术方向，但实际范围不限于此。
高温合金
包括GRX-810及其他镍基氧化物弥散强化（ODS）合金，还有对氧敏感的铌基合金。
形状记忆合金
NASA特别提到两个方向。一是高温形状记忆合金的创新加工与成形技术，需要通过实验与计算相结合的方法，研究晶粒结构及微观组织随冷/热加工、热处理、压缩比的变化规律，同时要解决铸锭表面处理问题，防止加工过程中的开裂和材料损失。二是利用增材制造来稳定形状记忆合金的响应特性。
增材制造
本身就是一个独立的技术方向，涉及无损评价与表征，包括原位监测。
结构复合材料
包括无损评价与表征，以及涵盖所有相关尺度及其跨尺度的非线性模型与模型应用。
环境屏障涂层（EBC/CMC）
需要捕捉真实微观结构特征的多物理场模型，通过部署机器学习和人工智能提高模型的可访问性，以及建立氧化性物质的传输模型。
材料信息学
包括用于高通量材料模拟/发现的人工智能体、自动化材料数据库管理、以及面向多尺度材料模拟的数据分析/可视化工具。
计算建模
包括新颖的多尺度和多物理场建模方法、用于创建高保真仿真代理模型的机器学习方法、以及自动化现有建模工作流程的人工智能技术。
从技术分类上看，这个子课题属于一级分类TX12（材料、结构、机械系统与制造），二级分类TX12.1（材料）。
NASA为什么设这个子课题？
NASA在公告中谈到，当前材料研发面临的其中一个瓶颈，是从新材料的筛选、设计到最终适航取证的周期太长，满足不了未来航空系统快速迭代的需求。加速材料开发，需要表征/测试技术和多尺度建模技术的进步。这些建模方法要综合利用基于物理的以及数据驱动（AI/ML）的手段，跨越多个时空尺度，涉及高通量计算、数字化工作流、辅助工具等。
这个判断背后有一个重要依据。2018年，NASA资助了一项研究，目标是为集成化、多尺度的材料与系统建模定义一个25年的目标，以加快未来航空系统创新的步伐并降低成本。这项研究的结果就是《2040愿景：材料与系统集成化多尺度建模与仿真路线图》报告(下文简称：2040愿景报告)。
这份报告明确了多尺度建模领域面临的关键技术空白，主要有五项：
- 连接不同尺度的物理模型发展不足
- 无法在适当的时间和尺度上进行实时表征
- 缺乏能够桥接不同尺度的优化方法
- 缺乏计算输入敏感性和传递不确定性的模型
- 缺乏验证与确认方法及数据
AERO.5.S26B这个子课题，正是鼓励小企业提交针对以上技术空白的创新项目提案。
2040 愿景是什么？
我们先从这份报告发现的一个重要问题开始说起。
2040愿景报告指出，当前的材料与结构设计之间存在着脱节的情况，也就是说，材料科学家和结构工程师是分开工作的。材料科学家负责设计材料，研究工艺、微观结构和性能之间的关系。而结构工程师负责用材料设计，他们用测出来的材料属性数据去设计零部件。这两个视角在现实中很少真正融合。
此外，航空航天产品开发生命周期包括概念设计、详细设计、制造、认证、运行、报废。在这个周期内的各阶段都是线性推进的，每个阶段的输出作为下一个阶段的输入，信息传递是单向的，迭代成本很高。
这种模式会带来两个问题。首先是，从材料研发到产品应用周期过长。其次是，愿景报告指出，约40%的实验数据只用一次就被丢弃，无法重用。
基础以上判断，2040 愿景提出的目标是，聚焦于集成化、多尺度材料与结构建模与仿真，为未来航空航天系统的材料与产品研发指明方向。愿景报告提出，到2040年，建立一个“信息-物理-社会”生态系统。在这个生态系统中，计算材料工具与结构工程工具深度融合，数字线索贯穿从材料设计、工艺开发、零部件制造到系统集成的全供应链。
如果通俗地理解，这个愿景是希望实现用模型代替大量的物理试错，用数据贯通原本孤立的研发环节，让不同领域的工程师在同一平台上协同工作，从而以更快的速度、更低的成本，设计出“刚刚好”满足特定需求的材料和产品。
终极目标与形态
如果用一句话概括终极目标：通过集成化的多尺度建模与仿真，显著加速航空航天材料与产品的创新步伐，同时大幅降低研发成本。
为了实现这个目标，愿景描绘了一个具体的最终形态，具备六个特征。
终极形态的六个特征
来源：NASA Vision 2040 Report
可访问性：模型、方法、工具、工作流和信息，能够被不同角色、不同技能水平的工程师广泛获取和使用。
自适应性：模型能够灵活跨越不同的长度和时间尺度，适应不同水平的保真度要求，并在需要时快速“放大”或“缩小”观察视角。
互操作性：平台之间依赖开放标准和通用格式，实现“即插即用”，模型与数据之间无缝衔接。
鲁棒性：模型具有坚实的物理和机制基础，能够在多种环境下提供带有量化不确定性的准确预测。
可追溯性：知识管理体系确保从设计到处置的全生命周期数据具有一致性、可追溯性和可重用性。
用户友好性：先进的人机交互界面提供直观指导，辅助工程师完成复杂的建模与决策任务。
在这个生态系统中，材料、工艺、设计、制造、结构分析的建模与仿真工具将无缝交互，能够预测从原材料到零部件再到产品层级的微观结构与性能演化。基于计算链接的模型化定义将成为标准，附带完整的校准、验证与不确定性信息。全生命周期数据的捕获、分析、传播与维护将自动完成，信息不再丢失。
值得注意的是，这份报告明确将增材制造材料纳入其中。报告原文在论述颠覆性制造技术时，专门提到了增材制造，并指出其材料性能依赖于工艺路径，这正是多尺度建模和路径依赖建模要解决的关键问题。
航空航天制造业将获得什么竞争力？
那么，当愿景实现后，航空航天领域的制造企业将获得什么样的竞争力呢？对此，报告列出了几个方向。
第一，极大提高材料数据和设计工作的可重用性。
报告援引一项调查指出，目前约40%的材料测试数据仅使用一次就被丢弃。2040年的生态系统将避免此类数据浪费，释放资源用于真正增值的工作。
第二，提高工程工具和投入的回报率。
当前，不准确的材料数据和不够标准的模型，限制了政府和企业对计算工程工具重大投资的有效性。未来的生态系统将提供可追溯、有谱系的数据，以及经过验证的模型，使设计人员能够用最佳资源产出最优设计。
第三，缩短上市时间。
新设计可以通过建模与仿真更快速、更准确地完成开发和迭代，从而从概念无缝过渡到制造和认证。
第四，大幅扩展设计空间。
利用新颖的多尺度优化方法，尤其是概率性的、路径依赖的建模方法，可以探索传统经验方法难以触及的设计可能性。报告特别指出，这对增材制造尤其重要，因为增材制造的材料性能完全依赖于工艺路径。
第五，培养高技能的劳动力。
未来的工程师将具备掌握集成化、多尺度建模及实验方法全部价值所需的技能。
当前材料设计与2040年愿景相比有哪些不同？
报告不仅提出了材料设计与产品设计的未来愿景，还分析了当前材料设计模式与2040 目标之间的差异。总结下来，可以从以下五个维度进行对比。
设计理念：当前，材料设计和产品设计是分离的，作为两个独立的过程进行。2040年，两者将紧密连接，实现对材料、产品和制造工艺的并行设计与优化。
设计流程：当前是线性的，各阶段分段进行。2040年是多学科协作的、迭代的、并行的。
工具与方法：当前是领域特定的，工具和平台之间缺乏连接性和互操作性。2040年将使用通用语言和可互操作的工具，确保信息流的可访问性、可重用性和易流通性。
材料属性获取：当前依赖经验测试，生成静态的设计曲线。2040年将使用基于模型的定义，材料属性成为动态输出，能够响应设计过程的变化。
产品认证：当前严重依赖物理测试，每个步骤都需要昂贵的实物验证。2040年将主要依赖仿真，物理测试仅作为补充。
具体要怎么做？
报告将所需的工作组织为九个相互依赖的关键要素。
模型与方法论：发展确定性、概率性、基于物理或数据驱动的多尺度数学模型与算法。
多尺度测量与表征工具及方法：建立与模型紧密耦合的实验表征与验证方法。
优化与优化方法论：开发能够处理多尺度、多物理场耦合设计问题的优化算法。
决策制定与不确定性量化及管理：建立量化、追踪、管理不确定性的方法，支持风险决策。
验证与确认：形成面向多尺度/多物理场模型的V&V标准与协议。
数据、信息学与可视化：构建贯通实验、仿真、制造全链条的数据基础设施与可视化工具。
工作流与协作框架：建立自动化的计算与实验工作流，以及跨组织、跨学科的协作机制。
教育与培训：培养具备多尺度建模、数据分析、机器学习等技能的下一代工程师。
计算基础设施：发展适应于千万亿次甚至更高性能计算架构的软件与硬件环境。
针对这些关键要素，报告识别了118项技术差距，并提出了180项推荐行动，按近期、中期、远期安排推进。这些行动包括建立公共数据标准与“金标准”数据集、推动机构间联合资助与协作、开展示范项目验证集成化设计的经济效益、改革大学课程与培训体系等。
报告特别指出，仅靠技术突破远远不够，文化层面的转变同样关键，工程师需要愿意共享数据、协作开发、接受基于模型的不确定性决策。这正是教育与培训被列为关键要素之一的原因。
子课题对2040愿景的回应
通过以上对《2040愿景：材料与系统集成化多尺度建模与仿真路线图》概览的了解可以看出，AERO.5.S26B这个子课题在技术方向上覆盖了愿景报告中两个关键要素的具体要求。
实现2040愿景所需的要素
来源：NASA Vision 2040 Report
在模型与方法论方面，子课题要求发展基于物理和数据驱动的多尺度建模方法。在数据、信息学与可视化方面，子课题要求开发材料信息学、高通量计算、自动化数据管理和人工智能辅助工作流。
起底未来15年的竞争力逻辑
把前面这些内容过一遍可以发现，航空航天制造业对材料开发与零部件供应链企业提出的竞争力要求正在发生转变，同样的转变可扩展至汽车制造、医疗器械制造、核工业制造等多个先进制造领域。
材料开发企业的竞争力，正在从做出来转向算出来
传统上，一家材料公司的竞争力在于通过大量实验迭代找到可行的成分和工艺窗口，人无我有，将获得一定优势。但2040愿景报告指向的一个明显趋势是，未来的门槛正在从试错向算出来迁移。也就是说，能不能在新材料真正上机之前，就用模型预测它在特定工艺下的微观结构、力学性能、以及在服役环境中的退化行为。
高端制造业的采购标准，正在从看测试数据向看模型可信度延伸
航空航天主机厂是这套方法论最早的推动者。一旦2040愿景实现，他们对供应商的评估标准很可能会发生变化，不再只看供应商提交的测试数据，还会看供应商用来生成这些数据的模型是否经过验证、数据是否有完整的谱系和可追溯性。数字产品护照，正是实现这种“可追溯性”的技术载体。
汽车、医疗行业虽然工况不同，但逻辑是相通的。任何需要在不确定条件下保证安全性和可靠性的领域，最终都会走向仿真主导认证这条路。
增材制造更需要多尺度建模和不确定性量化
传统工艺的材料性能相对稳定，可以用经验数据描述。但增材制造不一样，在制造过程中的扫描策略、沉积路径、热历史、后处理，每一个环节的变化都会改变最终的材料性能。传统经验方法积累的数据很难跨设备、跨批次、甚至跨模型复用。多尺度建模试图把“工艺-结构-性能”之间的关系用数学模型描述出来，而不是依赖某台设备上跑出来的几组数据。
在增材制造技术迈向批量生产及产业化应用的当下，每位利益相关者都不再是局外人，这些转变值得每位相关者思考怎样积累与管理企业数据资产，怎样布局性能预测模型与仿真能力。
知之既深，行之则远。基于全球范围内精湛的制造业专家智囊网络，3D科学谷为业界提供全球视角的增材与智能制造深度观察。有关增材制造领域的更多分析，请关注3D科学谷发布的白皮书系列。
网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源3D科学谷 l 链接到3D科学谷网站原文
