作者簡介

張金倉為上海大學教授、上海大學材料基因組工程研究院創(chuàng)院常務(wù)副院長，與張統(tǒng)一院士攜手創(chuàng)建了上海大學材料基因組工程研究院，主要從事凝聚態(tài)與材料物理、材料基因組與高通量實驗技術(shù)、智能計算材料等領(lǐng)域的科學研究工作，先后承擔國家863計劃、973計劃和攀登計劃項目，國家自然科學基金重點、面上及國際合作項目，國家重點研發(fā)計劃項目和上海市重大、重點等科技計劃項目二十余項。在薄膜材料組合樣品庫的高通量實驗技術(shù)方面，張金倉教授團隊構(gòu)建了結(jié)合脈沖激光沉積系統(tǒng)PLD和氧化物分子束外延O-MBE的真空互聯(lián)系統(tǒng)、高通量X衍射等高通量實驗平臺，在高通量材料制備與表征技術(shù)領(lǐng)域做出了有特色的工作。

上海大學張金倉教授等著的《材料高通量制備與表征技術(shù)》已由科學出版社出版。本書作為科學出版社“材料基因工程叢書”中的一冊，是自2011年材料基因組方法提出以來，第一部系統(tǒng)闡述材料高通量實驗技術(shù)的專業(yè)書籍，全書共分為八章，46萬字。

材料高通量制備與表征技術(shù)

張金倉 等著

北京 : 科學出版社,2025. 9

(材料基因工程叢書)

ISBN 978-7-03-082307-6

張金倉教授領(lǐng)銜編著的《材料高通量制備與表征技術(shù)》由科學出版社出版，可喜可賀！該書作為“材料基因工程叢書”中的重要一冊，是我所看到的材料科學與技術(shù)領(lǐng)域第一部系統(tǒng)闡述材料高通量制備與表征技術(shù)的專業(yè)書籍。

該書在材料基因組的理念下，系統(tǒng)構(gòu)建了材料高通量實驗技術(shù)的完整方法論體系。圍繞材料制備和表征兩方面內(nèi)容，闡述了包含塊體、薄膜和粉體材料的高通量制備技術(shù)，構(gòu)建了“組分-性能-結(jié)構(gòu)”的材料表征體系，其中在組分表征方面聚焦多譜系聯(lián)用技術(shù)，在性能測試上涉及力學、熱學、電磁學和光學等多個領(lǐng)域，并特別論述了人工智能技術(shù)與高通量實驗的深度融合，包括機器學習在工藝參數(shù)優(yōu)化中的決策機制、大模型在成分逆向設(shè)計中的賦能效應(yīng)、人工智能自主實驗室技術(shù)的發(fā)展，等等。全書內(nèi)容自成體系，內(nèi)容翔實，特色鮮明，資料豐富，相信會成為國內(nèi)外材料高通量制備與表征領(lǐng)域一部難得的好書，為廣大讀者提供有益的參考。

顧秉林

中國科學院院士

清華大學原校長

2025年3月

數(shù)據(jù)、計算和實驗是材料基因組方法的三大核心，高通量實驗在材基因組研發(fā)中無疑具有極其重要的地位。其一，在材料基礎(chǔ)研究和應(yīng)用開發(fā)的全周期中，無論是探索性研究的初步驗證，還是基于計算預(yù)測的新型材料設(shè)計，都需要通過實驗來實現(xiàn)從理論到實際的轉(zhuǎn)化，這一過程構(gòu)成了材料科學研究的實證基礎(chǔ)；其二，在數(shù)據(jù)-計算-實驗的協(xié)同體系中，無論是機器學習生成的材料數(shù)據(jù)庫，還是第一性原理計算獲得的預(yù)測結(jié)果，也都需要實驗驗證其物理可實現(xiàn)性和工藝匹配性；其三，從數(shù)據(jù)科學視角來看，無論是材料制備性實驗，還是測試表征性實驗，都是最重要、最直接和最可靠的數(shù)據(jù)來源，既為數(shù)據(jù)科學提供原始數(shù)據(jù)輸入，又為計算模型提供參數(shù)校準依據(jù)?？梢哉f材料科學研究的哪一個環(huán)節(jié)都與實驗密不可分，具有相輔相成的互相依賴性。近十多年來材料基因組技術(shù)的發(fā)展也充分印證了高通量實驗技術(shù)作為推動材料領(lǐng)域發(fā)展著力點的重要性。

上海大學高通量薄膜材料高真空互聯(lián)系統(tǒng)

高通量實驗變革傳統(tǒng)材料研發(fā)中的"試錯迭代-經(jīng)驗積累"的循環(huán)試錯范式，其技術(shù)瓶頸體現(xiàn)在三個維度：在工藝維度，依賴"單一配方設(shè)計-單元工藝參數(shù)-獨立樣品制備"的串行操作模式，單個研發(fā)周期須經(jīng)歷配料混合、成型燒結(jié)、性能表征等十余個孤立工序；在數(shù)據(jù)維度，受限于"單點實驗-離散數(shù)據(jù)-人工解析"的碎片化研究路徑，典型金屬合金體系的成分-工藝-性能關(guān)系構(gòu)建往往需要積累上千組實驗數(shù)據(jù)；在時間維度，從新材料發(fā)現(xiàn)到工程應(yīng)用的平均周期長達15~20年，這種手工作坊式的研發(fā)效率已難以滿足戰(zhàn)略性新興產(chǎn)業(yè)對先進材料快速發(fā)展的迫切需求。

材料基因組計劃引領(lǐng)的高通量實驗技術(shù)，通過構(gòu)建"集成設(shè)計-并行制備-集群表征"的協(xié)同研發(fā)體系，實現(xiàn)了三大技術(shù)突破：在制備環(huán)節(jié)，采用組合材料芯片、多通道反應(yīng)系統(tǒng)及梯度沉積裝置等方法，單次實驗可同步生成含多組成分變量的樣品，或制備多種工藝參數(shù)條件的樣品庫；在表征環(huán)節(jié)，依托自動化檢測平臺與多探針聯(lián)用技術(shù)，X射線衍射-光譜分析-力學測試的集成化表征等高通量表征方法，可對制備的高通量樣品的物性進行快速表征；在數(shù)據(jù)維度，基于標準化數(shù)據(jù)流水線構(gòu)建的工藝-結(jié)構(gòu)-性能關(guān)系矩陣，可以快速提升材料研發(fā)優(yōu)化迭代的效率。這種"批量設(shè)計-并行實驗-系統(tǒng)尋優(yōu)"的新范式，極大程度地縮短了材料的研發(fā)周期，提升了研發(fā)效率。

傳統(tǒng)“炒菜法”試錯模式與材料基因組高通量實驗研究模式的比較

例如，德國 波鴻魯爾大學（Ruhr-Universit?t Bochum）研究小組發(fā)展了一種連續(xù)掩膜板法，通過設(shè)計自動控制兩個掩膜板形成快門式協(xié)同組合，利用磁控濺射技術(shù)在一個4英寸的SiO?/Si晶圓作為基片一次性制備了24個三元形狀記憶合金薄膜材料高通量樣品庫，Ti、Ni和Ag三種元素分別在 相差120°的三個不同方向沉積，使得整個晶圓上有四列連續(xù)梯度的楔形排列，為很好地區(qū)分三角形組合材料芯片，在每個楔形梯度成分區(qū)域設(shè)置7 mm的間隙，楔形三角區(qū)域的尺度為15 mm。他們利用自動化能量色散X射線譜（EDX）測定了整個晶圓中三種元素成分的分布。這種一次制備多個材料芯片的方案在對一些材料不可逆破環(huán)性實驗研究方面具有特別重要的意義和獨特優(yōu)勢。

組合掩膜板法制備形狀記憶合金三元材料芯片(a)及其EDX表征成分分布圖(b~d)

我國西北大學的研究小組利用綜合高通量納米壓痕實驗，基于納米壓痕技術(shù)進行了材料應(yīng)變性能的高通量表征。他們采用直流磁控濺射技術(shù)，以直徑大約為58 cm的純Cu (99.99 at.%)和Zr (99.99 at.%)做靶材，采用旋轉(zhuǎn)掩膜板濺射技術(shù)，在Si(100)晶片上交替沉積了非晶Cu??Zr??/納米晶Cu納米層合材料，非晶層和納米層的厚度分別為100 nm和10 nm，總堆疊厚度為1200 nm，最上層為非晶CuZr帽層。然后，利用雙束聚焦離子束(FIB)制備了初始直徑為630 nm的4×6nm柱陣列材料庫，并在每個納米柱周圍挖出直徑為25 μm的圓形隕石坑，通過掃描電鏡觀察納米壓痕變形前后陣列納米柱的形貌，建立了CuZr/Cu非晶/晶體納米層合材料的結(jié)構(gòu)-性能關(guān)系，解釋了納米層合材料應(yīng)變-位移曲線中存在鋸齒化行為的物理機制。

非晶Cu??Zr??/納米晶Cu納米層合材料高通量4×6陣列樣品庫及微壓縮SEM測試觀察分布圖

以機器學習為主的人工智能方法作為一種新的數(shù)據(jù)統(tǒng)計分析技術(shù)，越來越多地融合于材料高通量實驗過程，為材料的快速篩選與優(yōu)化提供了強有力的支持。材料高通量實驗中機器學習模型的構(gòu)建為其核心環(huán)節(jié)，包括從數(shù)據(jù)準備、模型構(gòu)建與評估、以及模型應(yīng)用等階段。最終，通過優(yōu)化模型的預(yù)測能力，將最佳的模型用于預(yù)測新材料的性能并篩選出可能具有優(yōu)異性質(zhì)的材料，指導(dǎo)未來的實驗方向，降低盲目實驗的成本。總之，將機器學習引入高通量實驗過程數(shù)據(jù)的分析，并與實驗過程相結(jié)合，為材料科學研究提供了一種高效的途徑。這種方法能夠在短時間內(nèi)篩選出大量材料，快速定位到具有潛力的材料體系，從而顯著加速材料的發(fā)現(xiàn)和開發(fā)過程。在材料基因組研發(fā)過程中最重要的就是探索材料“組分-工藝-結(jié)構(gòu)-性能”的構(gòu)效關(guān)系。不同的材料配比和組分以及材料加工方法可能導(dǎo)致材料具有相同或不同的結(jié)構(gòu)，而材料的相同性質(zhì)也可以通過多種結(jié)構(gòu)獲得。應(yīng)用訓(xùn)練好的預(yù)測模型對新材料進行性能預(yù)測，根據(jù)預(yù)測結(jié)果指導(dǎo)新材料的逆向設(shè)計。同時，根據(jù)材料的“組分-工藝-結(jié)構(gòu)-性能”構(gòu)效關(guān)系，制定新材料的設(shè)計規(guī)則，并設(shè)定篩選標準，通過進一步的實驗驗證和優(yōu)化，指導(dǎo)實驗設(shè)計，降低實驗成本，提高研發(fā)效率。

材料高通量實驗中的機器學習模型構(gòu)建過程

基于機器學習的高硬度合金設(shè)計示意圖

領(lǐng)域知識指導(dǎo)的鈣鈦礦材料性能預(yù)測方法

隨著人工智能、機器人技術(shù)和實驗室自動化技術(shù)的不斷發(fā)展和融合，數(shù)據(jù)驅(qū)動決策與自動化實驗技術(shù)相結(jié)合，將突破傳統(tǒng)實驗室技術(shù)的局限，加速科學研究和產(chǎn)品開發(fā)的周期，實現(xiàn)材料科學高通量實驗?zāi)Ｊ降氖褂脙?yōu)化和材料篩選。在材料研發(fā)領(lǐng)域，這一技術(shù)將高度融合材料基因組理念，帶來實驗室技術(shù)和研究模式的升級和進一步深化變革，這使得科學家們可以不再實時參與實驗過程，而是利用復(fù)雜的機器學習技術(shù)實時通過實驗過程積累足夠的數(shù)據(jù)量，進行實時訓(xùn)練并對復(fù)雜的實驗過程進行統(tǒng)計、識別和判斷，建立相應(yīng)的模型，進而實現(xiàn)對實驗后續(xù)過程進行數(shù)據(jù)驅(qū)動的決策性判斷和預(yù)測，并通過反饋進一步迭代學習，優(yōu)化和提升實驗過程。這種智能化自主閉環(huán)工作流模式，形成了真正的模擬領(lǐng)域科學家進行科學實驗?zāi)芰Φ幕A(chǔ)。本書結(jié)合近年來在人工智能技術(shù)推動下自主機器人實驗室技術(shù)的最新發(fā)展，結(jié)合材料科學的實際應(yīng)用，對智能化自主實驗室AI-Lab做了一定篇幅的專門介紹。

人工智能自主實驗室閉環(huán)工作流模式的基本構(gòu)架示意圖

《材料高通量制備與表征技術(shù)》作為科學出版社“材料基因工程叢書”中的一冊，對材料高通量制備與表征技術(shù)成果作了系統(tǒng)總結(jié)，為從事材料基因組研發(fā)領(lǐng)域的科學家、工程技術(shù)人員、在校研究生和本科生提供一部體系完整、針對性強的書面參考資料。

該書編著團隊都是我的同事，領(lǐng)銜的張金倉教授又是我大學同窗摯友。自2014 年上海大學材料基因組工程研究院創(chuàng)建來，這些同事們就一直在該領(lǐng)域奮戰(zhàn)，有豐富的材料高通量制備與表征技術(shù)及經(jīng)驗。該書圍繞材料基因組高通量實驗中的材料制備和表征兩方面內(nèi)容，編寫自成體系，內(nèi)容富于特色。材料制備按照塊體、薄膜和粉體材料的高通量制備劃分成稿，材料表征按照組分、性能和結(jié)構(gòu)等高通量表征從物理、化學和力學等劃分成稿，并根據(jù)近年來人工智能方法在材料高通量實驗技術(shù)中的應(yīng)用前沿增加了第8 章的內(nèi)容，包括利用機器學習方法對實驗數(shù)據(jù)的處理、大模型在材料研發(fā)中可能發(fā)揮的作用以及近年來人工智能實驗室的發(fā)展。

該書體系完整，特色鮮明，資料豐富，相信一定是國內(nèi)外材料高通量制備與表征領(lǐng)域難得的一部好書，定能為在材料基因組高通量實驗技術(shù)研究領(lǐng)域的科學家和工程技術(shù)人員提供有益參考，也期待能成為未來有志于從事材料基因組領(lǐng)域工作的研究生和本科生的好教材。

張統(tǒng)一

中國科學院院士

香港工程科學院院士

上海大學教授

香港科技大學講座教授

2025年3月

材料高通量制備與表征技術(shù)

張金倉 等著

北京 : 科學出版社,2025. 9

(材料基因工程叢書)

ISBN 978-7-03-082307-6

責任編輯：張淑曉 孫靜惠

全書共8 章，第1 章為緒論，第2～4 章分別詳述材料高通量制備技術(shù)，第5～7 章為材料高通量表征技術(shù)，第8 章專題介紹了人工智能技術(shù)與高通量實驗的融合技術(shù)，包括機器學習在高通量實驗中的應(yīng)用、生成式大模型在材料研發(fā)中的賦能作用、人工智能機器人自主材料科學實驗室技術(shù)進展等前沿方向。

本書適用于高等院校、科研院所、生產(chǎn)企業(yè)及政府管理部門材料科學與技術(shù)領(lǐng)域的科研、技術(shù)研發(fā)、管理與政策研究人員等閱讀和參考，也特別適合作為材料科學與工程等相關(guān)專業(yè)研究生和本科生教材。

（本文編輯： 劉四旦 ）

專業(yè)品質(zhì) 學術(shù)價值

原創(chuàng)好讀 科學品位

一起閱讀科學