人工智能與材料科學的案例
2024年人工智能與通信技術與計算機科學國際學術會議（ICAICTS2024）
會議簡介
2024年人工智能與通信技術與計算機科學國際學術會議（ICAICTS2024）的主要目標是促進人工智能與通訊、網絡和計算機技術領域的研發活動。另一個目標是促進研究人員、開發人員、工程師、學生和從業者之間的科學信息交流。會議將在中國成都舉行，使其成為人們在人工智能與通信、網絡與計算機技術及相關領域交流意見和經驗的理想平臺。
通向強人工智能：與其坐等認知科學家“猜謎”，不如直接繪制大腦結構圖譜
在我國的腦計劃“腦科學與類腦研究”中，類腦計算是重要組成部分。這部分的任務是什么？甚至這個概念是什么意思？在腦計劃準備過程中，就有不少爭論，之后肯定還會有爭論。有爭論是好事，有利于把有限投入用到刀刃上。這里我圍繞“類”（怎么類？）、“腦”（從腦中得到什么？）和“計算”（怎么算？）三個問題談一下自己的看法，與業界同道和廣大同仁商榷。
“類”：功能類腦還是結構仿腦？
人類大腦是宇宙間已知的最復雜的對象，擁有已知的最強的智能。盡管計算機在計算速度等方面已經遠遠超過人類大腦，在圍棋這種高智力項目中人工智能系統也已經把人類遠遠甩到后面，但這都是“單項比賽”，大腦無疑是唯一的智能最強的全能選手。
正如歐盟“人類大腦計劃（Human Brain Project）”建議報告中指出的[1]：“除人腦以外，沒有任何一個自然或人工系統能夠具有對新環境與新挑戰的自適應能力、新信息與新技能的自動獲取能力、在復雜環境下進行有效決策并穩定工作直至幾十年的能力。沒有任何系統能夠在多處損傷的情況下保持像人腦一樣好的穩健性，在處理同樣復雜的任務時，沒有任何人工系統能夠媲美人腦的低能耗性。”
用人工智能話語來說，至今為止的所有人工智能都是“弱人工智能”，而人類大腦是個通用智能系統，擁有“強人工智能”，即具有自我意識，能夠通過學習適應環境和應對未知挑戰。因此，借鑒大腦是發展人工智能的一條重要路線。
關鍵問題是：如何借鑒大腦？或者說怎么去“類”腦？
多數人理解的“類腦”是功能類腦，亦即先理解大腦智能的工作機制或原理，然后按照這個科學原理設計人工智能系統。這種思路的基礎是認知科學，大眾都很容易理解；這種觀點也常常影響人工智能的技術走向，但效果差強人意，很多計算機和人工智能專家甚至因此厭倦、反感認知科學乃至腦科學。為什么會這樣？
展開 智能體人工智能大師課：構建實戰型人工智能智能體
智能體人工智能大師課：構建實戰型人工智能智能體 課程基本信息 發布年份：2026年 課程時長：2小時 課程大小：1.6GB 語言：英語 格式：MP4（視頻：h264，1920x1080；音頻：AAC，44.1千赫，雙聲道） 學習收獲 1. 清晰理解智能體人工智能的
科學家開發一種新型“智能材料” 可根據體溫自動調節溫度
它聽起來確實沒有人工智能夾克那么笨重，而且據發明者說，所有的材料都已經很容易在市場上買到，而碳納米管涂層可以在常規的染色過程中使用。
這項研究發表在《科學》雜志上。
直播預告 | 基于材料數據庫和人工智能技術的復合材料許用值預測分析
精彩直播預告
計算機性能的提升促使人工智能（AI）/機器學習（ML）方法蓬勃發展，AL/ML開始與各行各業進行深度的融合，助力傳統行業實現經驗驅動到數字驅動的研發理念轉變，有效降低研發成本，提高研發效率，加快產品上市周期。
針對連續纖維增強復合材料（CFRP）測試樣本多、測試周期長、成本高昂的問題，海克斯康融合多尺度復合材料建模平臺Digimat和人工智能仿真平臺ODYSSEE，開發出一套基于人工智能的復合材料虛擬許用值預測方案，基于以下三個重要步驟，從而幫助客戶快速獲取復合材料許用值。
● 復合材料虛擬許用值計算幫助用戶減小測試規模；
● 材料數據庫平臺對復合材料許用值的結構化存儲；
● 基于數據的人工智能方法與復合材料虛擬許用值計算結合，加速材料性能預測。
本期直播講堂請到了海克斯康工業軟件應用專家常誠，在直播間中講師將重點介紹基于復合材料虛擬許用值計算工具Digimat-VA、材料數據管理平臺MaterialCenter，以及人工智能仿真平臺ODYSSEE，實現復合材料許用值快速預測的整體解決方案和案例應用。敬請關注！
直播報名
8月20日 14:00
▲ 掃碼參與報名
立即預定
直播內容聚焦
? 復合材料虛擬許用值計算
? 材料數據庫管理平臺
? 人工智能方法加速復合材料仿真分析
? 基于材料數據庫和人工智能技術的復合材料許用值預測解決方案
常誠
海克斯康工業軟件應用專家
工程力學博士，在CAD/CAE行業擁有8年工作經驗，在汽車零部件設計與仿真、航天航空、能源建筑等領域有豐富經驗。
展開 MIT用人工智能開發新材料
只要對一塊半導體或其它晶體材料施加一點應變，即會使其結構中原子的有序排列發生變形，從而引發其性質轉換——例如導電、透光或者傳導熱量等等。
如今，麻省理工學院、俄羅斯以及新加坡共同組建的一個研究小組，已經找到利用人工智能以協助預測并管理此種變化的方法，而這有望為未來的高科技設備開辟前沿材料研究。
此項研究結果被發表在上周的《美國國家科學院院刊》上，由麻省理工學院核科學與工程學教授、材料科學與工程學教授Ju Li，麻省理工學院首席研究科學家Ming Dao，以及麻省理工學院研究生Zhe Shi共同撰寫。另外，俄羅斯Skolkovo科學與技術研究院的Evgenii Tsymbalov與Alexander Shapeev，Vannevar Bush退休教授、麻省理工學院前工程系主任兼現任新加坡南洋理工大學校長Subra Suresh亦參與其中。
基于麻省理工學院的一系列早期工作成果，他們已經能夠在多種硅處理器芯片當中實現一定程度的彈性應變。通過讓電子以更高速度穿過材料，即使僅引發1％的整體結構變化，也可以在某些情況下將器件的運行速度提高50％。
最近，由前麻省理工學院博士后、現就職于香港城市大學的Suresh、Dao與Yang Lu進行的研究表明，即使是自然界中最為堅固且硬度極高的鉆石，在以納米級針狀形式存在時，亦可實現高達9％的彈性拉伸且不致結構失效。Li和Yang同時證明，納米級硅線的純彈性拉伸承受量甚至超過15％。這些發現開發了一種新的途徑，使得我們能夠以前所未有的方法探索如何顯著改變材料的性質以制造更多器件類別。
應變改變排列
化學摻雜等原有改變材料性質的方法，會導致材料產生永久性的靜態變化。與之不同，應變工程允許研究人員在其運行過程當中變更屬性。Li解釋稱，“應變的特點，在于我們能夠以動態方式開啟并關閉一些屬性。”
展開 2023人工智能展|廣州人工智能展|廣州智能展
2023人工智能展|廣州人工智能展|廣州智能展
2023中國（廣州）國際人工智能展覽會
Guangzhou International Artificial Intelligence Exhibition 2023
時間：2023年12月20-22日
地點：廣州琶洲-保利世貿博覽館（海珠區新港東路1000號）
參展聯系人：金女士
手機：137 6181 8142（同微信）
Email:cde_china@163.com
網站：www.ravexpo.com
展會簡介：
人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發用于模仿、延伸和擴展人的智能的理論、辦法、技能及使用體系的一門新的技能科學。人工智能從誕生以來，理論和技能日益成熟，使用范疇也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。
人工智能已接連三年被寫入政府工作報告，從“加快”、“加強”到“深化”，被確定為引領國家未來科技開展的重要戰略布局。作為我國人工智能戰略布局的先導區和示范區，廣州在建造人工智能工業路上勇當排頭兵，是很多創新使用的策源地。圍繞著實現工業推動、使用使能、人才集聚、資源共享、品牌共建、聚焦人工智能等要害范疇，調集精銳力氣，引領突破，加快建造創新策源、使用示范、制度供應、人才集聚開展的人工智能“廣州高地”。營造協同化的智能生態環境、建造世界級人工智能使用場景。
2023廣州國際人工智能博覽會“AIE”伴隨著智能職業的快速開展，已被越來越多的企業列入每年必選展會，也成為各采購商選購的理想平臺。
展開 人工智能可以分析照片中的光學材料屬性
繼而推斷出材料的正常反照率，漫反射率，鏡面反射率和鏡面粗糙度，和不同圖像的像素。未來設計師可以通過AI預測光學材料屬性，更快地迭代他們的設計。
小圖像對大圖像的表面進行數字重建
光學材料的發展
光學材料是用于光學實驗和光學儀器中的具有一定光學性質和功能的材料的統稱。目前，光學材料的種類多達幾十種，其中光學玻璃在成像元件中使用得最多。
由于現代光學工業同電子工業、信息技術、通信技術的緊密結合，光學制造越發得到研究人員的重視。從光學材料、元件、鏡頭組件到整機儀器生產領域，光學制造的上中下游產品呈現出各異的市場現狀，整條產業鏈出現不同的發展趨勢。
如何訓練AI預測光學材料屬性
人類不擅長編程計算機來識別圖像。因此，研究人員必須邀請教授運用AI，從已知這些值的圖像中預測材料特性。
少層銻烯電化學剝離制備及其形貌結構表征
然而這個過程是非常有挑戰性的。它需要一個200000程序生成的空間變化雙向反射分布函數的數據集、40萬次訓練迭代以及需要一周左右的GPU處理時間。
AI使用輸入照片（左圖）來恢復描述反照率和鏡面粗糙度（中間圖像）的SVBRDF貼圖。然后使用這些貼圖重新渲染圖像（右圖像）
計算機可以學習如何識別圖像上的每個視覺指數，例如材料產生的陰影和反射。完成這個目標的關鍵因素是對圖像的模擬，我們為了訓練機器學習準備了大量的圖片。
如果未來AI可以協助人們快速確定材料屬性，那么工程師們就可以專心于他們的設計，而不是尋找確定其光學數據的方法。
一般來說，收集這些光學數據可以一次性識別一小塊材料。而通過這種新工具可以在像素級別上評估這些屬性，因此工程師現在可以立即評估大型表面。
展開 設計仿真 | 直播預告-人工智能助力材料數據庫應用
近些年來人工智能技術蓬勃發展，逐步與各傳統行業進行深度融合，助力傳統行業實現了經驗驅動到數字驅動的研發理念轉變，有效降低研發成本提高研發效率，加快了產品的迭代上市。海克斯康工業軟件旗下的Material Center、Digimat、Odyssee軟件通過搭載人工智能技術，在材料領域提出了許多全新的解決方案，帶來了材料領域應用的新變革。
本期海克斯康直播講堂請到了海克斯康集成材料計算工程專家常誠為大家帶來“人工智能助力材料數據庫應用”的主題直播，從人工智能助力材料數據庫的擴展到材料性能在產品結構級別的驗證，再到材料智能推薦系統，全方位為您解讀人工智能技術在材料領域的深度應用，歡迎報名。
展開 設計仿真 | 使用人工智能方法擴充Sabic材料數據
該方法將人工智能與先進的微觀力學建模相結合，克服了純人工智能方法的弱點。上述方法也可以擴展到擴充材料其他性能數據，例如蠕變和疲勞行為。
在實際工程中，SABIC公司已經使用上述基于物理信息的AI方法，有效地滿足客戶及其材料工程數據需求，為其客戶提供大量材料工程數據和材料CAE卡片。
直播預告 | 基于人工智能的材料測試數據擴充與快速預測
精彩直播預告
計算機性能的提升推動了人工智能（AI）和機器學習（ML）技術的蓬勃發展。AI、ML技術正與各行各業深度融合，助力傳統行業實現從經驗驅動到數字驅動的研發理念轉變，有效降低研發成本、提高研發效率并加快產品上市周期。針對材料性能測試周期長、成本高的問題，海克斯康融合物理測試、虛擬實驗和人工智能技術，開發出一套基于人工智能的材料數據擴充解決方案。該方案旨在幫助客戶快速獲取準確可靠的材料屬性數據。
該解決方案工作流程中的三種方法
海克斯康基于人工智能的材料數據擴充解決方案主要包含以下兩部分：
■材料數據的存儲與管理：對客戶的材料數據進行結構化存儲，并提供便捷的展示方式，有效解決材料數據在存儲、使用和共享環節的難題。
■材料數據的擴充：通過結合材料數據擴充的三種經典方法，即實驗測試、虛擬材料建模和人工智能，搭建了一種材料數據擴充智能化解決方案。該方案能夠幫助客戶利用少量材料測試數據，精準預測更廣泛條件下的材料屬性（如靜力學性能、蠕變性能、疲勞性能等）。這確保了客戶能夠高效、準確地獲取用于仿真分析所需的高質量材料數據，同時顯著提升仿真結果的精度與可靠性。
本期直播講堂請到了海克斯康工業軟件應用專家常誠，在直播間中講師將詳細介紹海克斯康基于人工智能的材料數據擴充解決方案及各功能使用方法，并結合多個實際應用案例，分析該解決方案的應用實效和賦能價值。敬請關注！
展開 
LS-DYNA人工智能多尺度計算技術及其在注塑成型復合材料領域的應用
文章來源：第五屆LS-DYNA中國技術論壇，作者：Haoyan Wei博士，ANSYS, Inc.研發工程師
視頻鏈接：LS-DYNA人工智能多尺度計算技術及其在注塑成型復合材料領域的應用
技術校對：董驍， Ansys高級應用工程師；整理編輯：俞琴
佐治亞理工《Part B》：人工智能/機器學習在高性能復合材料中的應用
</strong></p><p><br></p><p><strong>一、引言</strong></p><p class="ql-align-justify">隨著人工智能（AI）技術的蓬勃發展，材料科學領域也迎來了范式轉變。AI/ML技術與材料科學的融合為理解材料背后的物理原理帶來了重大進步。高性能纖維增強聚合物（FRP）復合材料因其優異的性能，如<strong>高強度、輕質和耐腐蝕性</strong>，在航空航天、汽車、海洋、可再生能源和基礎設施等行業中得到了廣泛應用。盡管高性能FRP復合材料具有出色的性能，但<strong>其復雜的制造過程和獨特的材料結構使得理解材料動態和特性變得極具挑戰</strong>。而AI/ML技術由于其強大的數據處理能力，為解決這些問題提供了新的途徑。</p><p class="ql-align-justify">近日，國際知名期刊《Composites Part B》發表了一篇美國亞特蘭大佐治亞理工學院的研究團隊完成的有關人工智能/機器學習在高性能復合材料中應用的研究成果。<strong>該研究旨在提供對AI/ML技術在高性能FRP復合材料應用現狀的全面概述，重點關注產品生命周期中的四個關鍵階段，即設計、制造、測試和監控，探討了將現代先進AI/ML模型融入FRP復合材料研究的未來方向。</strong>論文標題為“Applications of artificial intelligence/machine learning to high-performance composites”。
展開 人工智能專業----無人機插上人工智能的翅膀（UAV+Al)
2019 年，教育部發布“《普通高等學校職業教育(專科)專業目錄》 2019 年增補專業”
2019年度普通高校新增備案本科專業名單及數量
【1.2 人工智能行業人才需求】
人工智能崗位需求總體可分類成技術開發類，技術支持類和行業服務類三大類，如下表所示：
【1.3 人工智能行業崗位分析】
【二·培養目標】
面向國家新一代人工智能的重大需求，以新工科為導向并兼顧新工科高等教育體系和應用方向，厚基礎、重交叉、寬口徑，培養具有扎實的數理基礎、熟悉人工智能的基本理論及方法、掌握計算機與智能控制技術、電子與無人機技術、數據智能分析與決策等技術、具備靈活運用相關交叉科學知識、實踐應用及開拓創新的科學素養，擁有較為開闊的產業應用視角與國際前瞻事業，能基本從事人工智能算法開發及技術應用、智能控制技術應用、無人機開發應用和人工智能系統集成等方面的工作，具有團隊和管理與協調大型工程項目能力的復合型高級工程技術人才。
人工智能專業的學生畢業后5年左右預期能夠達到以下目標：
培養目標1：
能夠綜合應用人工智能及相關領域所必備的基礎理論和專業技能，解決人工智能領域系統分析、設計、集成應用中的復雜工程問題。
培養目標2：
具有國家使命感和社會責任感，在解決復雜工程問題時能夠結合環境、安全、法律法規、文化等非技術因素，自覺有效地遵守職業道德和工程倫理規范。
培養目標3：
具有廣闊的估計視野，具備積極有效溝通、與他人合作以及在多學科團隊中行使責任的能力，具備團隊領導力，能夠在相關行業領域從事組織和管理工作。
展開 LS-DYNA人工智能多尺度計算技術及其在注塑成型復合材料領域的應用
近年來，短纖維增強復合材料在汽車和電子等工業領域得到了廣泛應用。這類材料通常由注塑成型加工而成，因而產品內部的材料微觀結構（例如纖維方向及體積比）擁有非均勻分布的特點，并且其復雜的微觀結構導致了復合材料在宏觀尺度上表現出各向異性的非線性力學行為。因此，當對注塑成型的產品進行結構分析和性能預測時，傳統的數值方法與材料本構模型往往難以取得令人滿意的計算精度。
最近，LS-DYNA基于人工智能技術發展了一套嶄新的數據驅動多尺度計算技術，該技術集成了注塑成型過程模擬、材料多尺度力學建模、結構非線性有限元分析，以及基于物理的機器學習方法“深度材料網絡（DMN）”。DMN可以通過離線訓練學習隱藏在材料代表性體積單元（RVE）中的微尺度材料物理規律，經過訓練的DMN模型能夠準確地預測復合材料的非線性力學行為，并且其計算速度比傳統多尺度有限元模型快多個數量級。通過對不同纖維分布的微觀結構進行遷移學習，在通用非線性有限元分析軟件LS-DYNA內創建了一個可模擬預測各種短纖維增強復合材料的DMN數據庫。另外，借助前處理軟件LS-PrePost提供的映射功能，可以將模流分析軟件Moldex3D預測得到的纖維分布數據導入LS-DYNA，從而得到能夠對注塑成型復合材料結構進行高效非線性分析的多尺度有限元模型。
展開 