中国材料技术的未来，就来自于中国人的“智力红利”！|2019-07-05

来啦来啦，【科技袁人PLUS】袁老师与江俊老师继续聊中国材料技术！

上一期（中国在材料领域会被“卡脖子”吗？只要你脖子够粗…… | 科技袁人plus）江老师已经抛出了“在材料领域，中国不但不会被卡脖子，甚至还有机会卡别人脖子”的观点，这一期里江老师就会为我们详细展开这个观点背后他的信心所在！

江老师在上一期已经解释过，过去的材料研究范式都是比较低效的。但是随着人工智能和大数据的发展，科学家们已经渐渐掌握了“理性设计”材料的新范式，而江老师自己就是这个方向的践行者，甚至光在材料研究方面都已经成功帮助企业一年省下4000万的经费！而在利用数据研究材料的过程中，江老师也发现了中国在这方面的优势。中国的院校、企业的数量和规模，就决定了中国必然会产生大量的材料相关数据，这在江老师眼里就是最宝贵的财富！当然，这一切的基础，都建立在中国有数量极其庞大受过良好数理化教育的人口之上，正是这批人成为了实验室里的学生、企业技术人员、人工智能从业人员等等，才给中国科研提供了“数据”这笔财富，而这就是江老师所说的“智力红利”！

看完江老师的这两期节目，小猿最大的感受就是，“学好数理化，走遍天下都不怕”这话是真的意义深刻……

最后，预告一下下一期PLUS节目：下期我们的话题将“冲出地球”，袁老师将与参与了第一张“黑洞照片”拍摄相关工作的袁业飞教授，一起聊聊黑洞和宇宙那些事儿。并且除了袁业飞教授以外，还会有另一位神秘的科学大咖出现哦……

江俊：

我们就说从一个错误的实验驱动好奇心，再从好奇心拿来我们的知识的数据做基于量子力学的这样一个模拟，最后就会得到一个理性的设计，这个理性的设计真的会变成一个产品。所以走通这个流程，我们其实也是非常自豪的。

袁岚峰：

是，这是非常有意思的一个事情。

可能有不少观众会问，你们老是说你们能够预测这个，那你们用什么来预测。回答其实就是量子力学。

我们以前在讲于敏和氢弹（于敏与氢弹（三）何祚庥谈于敏如何研究氢弹 | 袁岚峰）的时候，那时候说到，何祚庥老先生说，我们和于敏当初设计这个氢弹，这是中国人第一次从第一原理出发去设计核武器。它那个第一原理指的是核物理里面的第一原理，而我们理论与计算化学这个领域里面的第一原理，就是量子力学。

我们做事是从量子力学出发的，有了这个基本原理，同时又加上大数据，然后再加上人工智能的这样一个三块结合这个系统。

江俊：

对，这个其实确实是我们刚刚说的新范式的威力所在。它为什么能够这么高效，其实我们可以说量子力学，刚说的第一性原理，它是我们人类自然科学的最高成就。100年过去了，爱因斯坦、玻尔他们的思想光辉依然照耀着我们。

爱因斯坦

我们其实对世界本质的认识还是基于量子力学的基本框架，但是另外一方面的话，我们的信息科技发展得很快，人工智能就成为我们信息时代最为巅峰的一个成就。这二者结合在一起的话，它们确实是会有不可思议的威力。但是它们一定会要基于一个东西，是什么呢，就是大数据。

从爱迪生时代开始，有非常多的科学家在做不同的材料，工程师也在努力，还有我们平常的企业，对吧。那么这里面其实蕴含了无数的智慧在里面，把这个三者结合起来，这个新的范式才真正的是有生命力的。

袁岚峰：

是，就像我们以前看那种古典的故事，这不单是中国文明，也有很多其他文明都有类似这样的故事。就像铸剑师干将莫邪是吧，很多人因为铸不出来，干脆自己就跳到那炉子里面，终于铸出来了。

怪不得大家说材料都要劝退，这个都是这么苦命的这样一种生活是吧。但是有了我们现在这种新的范式，理性设计，你就不需要自己往炉子里面跳了。

江俊：

这个说得非常有道理，其实我们有一个研究过程就是这样子的。

最开始，我们帮做飞机发动机的记忆合金的设计，我们最开始去参观他们的研发过程，说实话真的很苦，因为他们做一次测试，需要在3000度的高温，然后有10个大气压的高压，因为要就模拟发动机的真实环境嘛，还要试不同的比例，它要不同的比例组分要匹配。

刚刚说的材料，人自己跳进去铸剑，它是某种意义上是一种掺杂的工艺。就像我们以前看电视剧的时候会发现，看到铸剑的过程，会把剑放到水里面去泡一下，这个其实也是个典型的工艺，淬火的过程。而这一个我们到飞机发动机研制现场，也会发现有类似的工艺，通过温度的控制来调节这个材料的性能。也就是说，影响这个材料制作出来的性能的因素很多，刚刚说的有合金的比例，有环境温度，有压力，还有各种中间的不同工序的前后次序都会影响。所以，做一次材料确实很苦命。

袁岚峰：

这就是为什么很多人把做材料比喻成炒菜嘛，因为它是一种艺术了简直是。

江俊：

对。爱迪生时代发展出来的这种试错模式，更多的是看科学家的灵感，他有这个灵感，他可以敏感地察觉到这个区域可能有新的发现，但是这个对于刚入行的研究生、做材料的研究生来说可能确实很苦命。就是要不断地尝试，才能累积这个经验，经验才能升华为灵感，所以这个过程可能不太快乐。那么我们跟他们合作，希望把这个过程变得更好玩一点，也就说变得更高效一点。我们首先为他们建立原子的模型，然后基于量子力学做这个演化，原理上来说，我们基于第一性原理的推动，我们其实可以模拟它在不同的温度、不同的压力、不同的组分下面，它们会最后演变成什么样的东西。

袁岚峰：

这是我们用量子力学干的事情了。

江俊：

这个演变的结果如果好，我们就可以指导他们去做设计，这是个很美妙的想法，然后他们也乐于接受，那么合作就开始了。但是中间其实是有过挫折的，量子力学是第一性原理，没错，它是世界的本质，但是它从微观到我们最后得到一个宏观的产品，它们中间是有很多层次的。

从微观组合一个理想的模型，原子模型，然后我们得到它的一些电子结构的状态，原子相互结合的键能，然后再往上走，我们就会知道它和外界响应，它能够经受多少温度，它和光学怎么作用，它的电学性能怎么样，有了这些分立的这些不同性能，最后才变成产品。从微观往上走，这个数据的演化复杂度会非常大，到最后是不可思议的这样的一个设计难度。这也是为什么，这么长期以来大家都意识到，基于理性设计很有意义但是却实施起来很难的一个原因。

那么我们也碰到同样的一个困难，如果我每个都试一遍，那么计算机的超级计算能力也是一个挑战。

袁岚峰：

是啊。

江俊：

所以我们就开始想，有没有其他的方式，那么也是得益于我本身，当时在少年班学院当班主任，我们有几个同学他们的人工智能很强，所以把这一块给加进来了。然后我们就开始尝试去这么去操作，就像AlphaGo下围棋的原理一样的。

袁岚峰：

自我对弈。

江俊：

我们说AlphaGo下围棋，它是因为先理解了那个简单的围棋规则，但是基于这么简单的规则，它的数据演化无穷大，所以你没办法用穷举办法去把它解决来，那我们知道量子力学本质的规律，我们可以求解薛定谔方程，但是我们如果每个都是穷举法去求解的话，那也是不可思议的计算要求。而AlphaGo它的好处是什么呢，我通过学习之前成功的棋谱，我们去学习，学完之后我可以产生一个模糊的思路，也许用什么方式去走更好，所以它很先进。

袁岚峰：

是的。AlphaGo它这个专业说法叫价值网络，它就是列出最有希望那些下一步的着眼点，然后在这方面重点去搜索。

江俊：

对的，那我们其实也是在找以前成功的数据，还有它们失败的数据，把数据拿过来之后，我们再开始让它们去学习。

袁岚峰：

这就说明以前那些失败的数据也非常关键，它们对于构建这个价值网络很重要。

江俊：

对，因为失败的数据，它其实是给你更多的信息，成功的数据总是一条路，而失败的很广，它可以让我们看到全局。所以，当我们自己做的一个小小的神经网络程序，它去学了这么多数据之后，它可以跳过很多我们去重复计算的这样的一些数据量，然后这个一结合，我们就真的帮他们把材料做出来了。所以他们说，我们一年帮他们省了4000多万，因为他本来做实验也很花钱，或者他让我们做全部的模拟也很花钱，但是我们现在可能就花几万块钱的电费，就可以把这个计算结果完成，然后就给到他们去做设计。

袁岚峰：

这是几个大的部门的结合，人工智能、量子力学和大数据这三者结合，果然就产生一个不可思议的一个化学反应。

江俊：

是的，量子力学巅峰成果加上人工智能，然后利用信息的优势，其实信息或者知识，它们本身一个一个的数据，它可能作用很有限，但你集成在一起来，就会很有力量。但是你靠人的结合，可能某种意义上说是比较难的，因为我们人理解这个世界的规律，维度上是有限制的，我们会有二维的曲线，有三维的立体的一个空间感。但是当一个材料的特性，它是由几十个甚至几百个参数决定的时候，其实你很难在脑子里面构造一个图像，它们是怎么样的一个最好的路径。

袁岚峰：

只有非常专业的数学家才能想象一个四维的图形，再往上就很难了。

江俊：

我们没法理解，所以也就限制着我们在做理性设计的想象力，但是电脑或者是我们的神经网络，它是没有这个限制的，对它是没有维度的问题，对它来说都是纯粹的数据组合，所以它能够帮助我们去找到这条可行的线路。也就是说，它们其实某种意义上能够跳出我们的框架，我们也许基于之前那个量子力学或者说我们下围棋的时候，我们之前知道有各种流派，对吧，我们有这个套路在里面，但是可能电脑它会把一些原子扔到里面去自己组合，它跳出我们想象力的框架，有新的东西出来。

袁岚峰：

这是将来更有前途的这么一种思维方式了。

江俊：

我们发现可能一个材料它有专利，美国他们做出了一个发动机材料，他可能有他的保护所在，对吧。但是作为材料特性这种知识，这种数据它其实是全人类共享的，我们不可能哪一天被谁卡住，唯一的被卡住是我们的思维方式。如果我们能用新的思维方式，利用数据来驱动做这个事情的话，反而某种意义上说，我们中国是有大量的优势的，我们有庞大的科研队伍，然后我们还确实有非常大的这样的一个市场，它就意味着我们会有越来越多的企业会去做材料的研发。所以这个两方面的话，可能有一天我们会从数据上面去卡别人的脖子。

袁岚峰：

这是非常积极的思维方式，怪不得说学材料不愁找工作了是吧，关键要有江老师这样的积极的思维方式。

江俊：

而且我对中国很乐观，我们在材料数据这一块的积累其实已经非常大了。刚刚说日本人，也要到我们这里看中文的杂志。第二点的话其实很重要，人工智能这一块，我们的人才储备是非常强大的，这一个也是得益于我们中国教育一直强调数理基础，所以有这个数理基础，对于人工智能这些新的技术的接受能力会非常强。所以我们在人口的智力红利上面，我觉得是远超其他国家的，我们这么大量的大学生，他们有过基本的物理、化学、数理的培训。

提到材料的同学其实有段时间不太好找工作，这个我觉得，因为我们长期以来，我们中国的技术和工业体系还不是很完善，所以你学的材料，学的科学、化学、物理，你是某种意义上这种屠龙之技，直接和社会上或者企业对接的话有一定的距离，有的时候你不得不往下沉，对吧。但是我们20年之后，我们国家的工业体系和技术体系，特别像华为这样的大企业，他们也用很多精力在做材料，所以他们已经把这样的系统建好了，而且同样的，技术工人这一代也成长起来了。也就是说，你有科学知识，其实马上就可以和社会上的产业做对接，这个时候你有新的思维方式，也马上能够被企业所认同。

袁岚峰：

这真是一个非常好的一个宏观的大的图景啊！我们的观众肯定也都非常关心芯片的话题，尤其是最近美国对华为加紧了制裁，那么大家肯定也都非常关心芯片方面的材料。

江俊：

对，华为是一家很伟大的公司，其实我当时本科毕业的梦想就是进华为，所以我看到华为发布的新闻——海思，他们在很早以前就做了这个系统的关于芯片流程的备份、备胎，是吧，所以我觉得这个是非常超前的前瞻性的一个思维。那么从这个角度来说，我们确实不害怕，因为在芯片的数据方面我们也是有备胎的。我们的课题组，就一直在和微电子所我们有这样的一些共同的发展，我们希望能够把芯片过程中的工艺数据和材料数据也做成一个大的数据库。

我们知道芯片，当然一方面是它设计上的理念要先进，同时它所承载的材料，它材料发展的工艺也必须精确可控，这一部分的话也是我们中国，当前某种意义上是比较落后的一个部分。

但是我们如果能够沉下心来，把这一部分的基础的数据库做好，而且就得益于我们刚刚提到的，我们本身在产生数据上面的优势，我们有这样的一个全国庞大的一个研发队伍，然后再加上我们在数据管理，从数据学习和人工智能技术上的优势的话，我相信这一块我们的备胎也会迅速转正，成为我们国家支撑芯片工业的力量。

袁岚峰：

非常感谢江老师的介绍，其实我想很多人对于中美之间的科技竞争，他要不就是一听就觉得非常悲观，要不然就是一种单纯的打鸡血一样的热情，但是他并不知道该怎么去做。但像江老师这样，他是乐观，而且是一个理性的乐观，就是指出具体的做事的方法，让你知道你该怎么做。我们承认我们的缺点，但是你知道，只要你现在有科学的方法去努力，我们是一定能够把这些缺点都改进上来的，而且我们是完全有希望去领先的。我想这样的理性的态度是最值得大家学习的。

非常感谢江老师给我们做了这么多精彩的介绍，那么最后再请江老师做一些总结。

江俊：

非常感谢师兄给我这样一个机会，跟你这样一个讨论的话，其实也激发了我一些想法。

其实我就更加明确地认识到一点，其实我们国家可能目前面临一些在科学上发展有一些艰难险阻，同时的话我们确实在某些方面是落后的，但是我们其实也要看到机遇。我们有自己的独特的优势，如果我们能够建立我们的知识体系，也许的话我们利用这个知识体系可以长出我们真正的属于中华民族的科技树，而这科技树可能在我们一直的发展过程中有一定程度忽视的，因为我们可能形成一个新的知识体系的时间比较晚，所以可能各个不同的领域结合起来总是有一些生硬。

如果利用数据的方式，把不同的专业、不同的领域、不同层次的科研人员的想法连在一起的话，它是可以成长成一棵真正茂盛的大树的。

而且最后，还有很重要的一点，材料绝对是一个越来越好的领域，绝对不存在就业或者是出路难的问题。欢迎更多同学、更多的有志之士和聪明的同学们加入我们这个领域！

袁岚峰：

当然关键是要跟着正确的老师~~~