摘要：全球科技竞争和地缘博弈持续加码，正加速重构产业链的发展格局。我国新材料产业历经规模粗放扩张，正转向以国家战略需求为导向的高质量发展阶段。本文利用智慧芽数据库，动态分析了新材料产业重点专利的发展态势，精准预判全球新材料产业链的演进方向及其带给我国的机遇与挑战。研究表明，新材料专利发展经历了长期高速增长态势，并成为全球最大的专利技术目标市场。依据高被引最多的专利、规模最大的专利家族、权利要求数量最多的专利、以及市场价值最高的专利分析可知，新材料产业的电池关键材料，半导体和显示材料三分乾坤。针对关键攻关技术，开展了龙头企业的投资分析。最后，展望了我国新材料产业未来的发展机遇和挑战。

摘要：原子级制造是人类制造技术向极微观深入发展的必然趋势，也是新一代制造体系中向极微观探索的核心方向。团簇作为物质中介于原子和固体之间的相对独立层次，是实现原子级制造的重要研究载体，团簇物理的基础研究，更是推动原子级制造从理论走向实践的关键支撑。从团簇物理研究出发，厘清原子级制造与传统制造的本质区别，探索团簇在材料创制、器件加工等领域的实际应用，能够为原子级制造的发展搭建完整的技术路径，推动这一前沿领域向产业化落地迈进。

摘要：水凝胶是一种由聚合物组成的具有三维网络结构的软材料，由于其具有良好的柔韧性、弹性、高吸水性、生物相容性以及与生物组织的相似性，已被广泛应用于环境工程和生物医学等领域。与传统水凝胶相比，导电水凝胶还具有优异的导电性，这使其在远程健康监测、人体运动检测、电子皮肤、人机界面和软机器人等新兴领域显示出巨大的潜力。因此，近年来人们致力于开发多种性能的导电水凝胶并探索其在各种领域中的应用。目前，根据传输介质的不同，导电水凝胶可以分为电子导电水凝胶和离子导电水凝胶。通常，导电水凝胶可以通过将导电材料掺入水凝胶基质中来制备。然而，随着对水凝胶研究的不断深入，人们对导电水凝胶的性能要求也不断提高，特别是水凝胶的抗溶胀特性。在液相环境中不必要的溶胀会导致水凝胶的力学性能、电导率降低，并且伴随着传感信号的失真。因此，迫切需要制备兼具良好导电性和抗溶胀性能的导电水凝胶。本综述首先对不同类型的导电水凝胶的制备方法进行了讨论。其次，讨论了几种构建抗溶胀导电水凝胶的策略，包括超分子水凝胶、双网络水凝胶等。最后，介绍了抗溶胀导电水凝胶的主要应用领域。

摘要：新材料作为战略性、基础性产业，是加快发展新质生产力、扎实推进高质量发展的重要产业方向。材料基因工程(materials genome engineering, MGE)深度融合了计算模拟、高通量实验与数据科学，显著提升了新材料的研发效率，其材料数据库与跨尺度模型正成为人工智能在材料设计、性能预测等环节深度应用构建的技术基座。随着人工智能技术的飞速发展，MGE 与智能科学的结合正迎来前所未有的机遇与挑战。本文综述了在AI+ 时代，材料人工智能的出现背景与历史，以及材料数据基础设施和所使用到的AI 技术，整理了机器学习和自然语言处理等技术在材料逆向设计与筛选、物性预测与表征分析和性能优化等方面的应用，介绍了自主实验室系统的范式创新。最后，展望并提出了AI 在材料科学领域面临的挑战，以及未来的完善方向和建议。

摘要：抗冲击超材料通过人工微结构设计高效调控冲击能量，在航空航天、车辆工程及人体防护领域的应用潜力巨大。传统基于经验试错与均质化结构的超材料设计方法难以兼顾轻量化、高能量吸收与可控失效等多目标需求。基于塑性变形、黏弹性耗散、摩擦耗散、断裂耗散等能量吸收机制，系统梳理了蜂窝、晶格、泡沫等传统均质化结构，贝壳、甲虫前翅等仿生梯度结构，以及可重构拓扑结构三类设计策略；结合选区激光熔化、光固化成型等增材制造工艺，分析了工艺缺陷对动态力学性能的影响；阐述了利用生成对抗网络-强化学习机器学习框架实现“性能-结构”端到端逆向设计并补偿工艺误差的研究进展，提出了构建“设计—制造—验证”全链路智能验证平台的构想。未来研究应聚焦在通过多目标优化、跨尺度模拟及智能验证平台开发，协同推动“设计—制造—验证”的全链路集成。

摘要：形状记忆合金应力驱动超弹性的循环稳定性是影响弹热制冷效率与稳定性的关键问题。采用梯度结构设计策略调控超弹合金的相变滞后是实现高效、稳定弹热制冷的有效途径。近期研究进展表明，通过引入合适的梯度结构，可以调控超弹合金的滞后损耗，进而提升材料制冷性能系数。综述了NiTi 基合金晶粒尺寸梯度结构、化学梯度结构设计的最新进展，分析了梯度结构层的特征、梯度结构与合金超弹性的关联关系，并对两类梯度结构设计策略潜在的应用进行了展望。

摘要：超疏水材料以其出色的防渗透性和自清洁特性，为油水分离和污染物吸附等领域提供了新的解决方案。但在实际应用中，超疏水材料在疏水性、稳定性和经济性等方面仍面临诸多挑战。本研究简述了超疏水表面的原理，回顾了石墨烯基超疏水材料的特性及其在油水分离、污染物吸附等领域的应用现状，详细介绍了超疏水材料制备技术的最新研究进展，涵盖了层层自组装法、刻蚀法、涂覆法和沉积法等，并重点分析了不同宏观结构对材料油水分离性能的影响。分析表明，未来研究应着力于优化材料结构设计以提高疏水性能，开发低成本规模化制备工艺，同时增强材料的环境稳定性，旨在推动石墨烯基超疏水材料在油污处理领域的更深层次应用，为生态环境保护和可持续发展提供理论支持和技术指导。

摘要：NbTi、Nb3Sn、MgB2、Bi系超导材料的结构复杂，金属间、金属与粉体间及芯丝间的协调变形均匀性决定了线材加工质量和力学性能。线材和模具结构、加工工艺、变形条件是影响其协调变形行为的重要因素，基于有限元数值模拟方法，分析和评估多种因素下超导线材的协调变形行为是一种重要工程手段，能够较为准确和直观地分析多层、多芯复合结构超导线材成形过程协调流变行为及复合相间及其界面处的应力/应变分配。本综述旨在概述超导线材成形过程有限元模拟的研究进展，归纳总结了超导线材成形有限元模型构建、本构模型选择及边界条件设置等。同时论述了变形参数、模具结构和加工工艺对协调变形行为影响机制及多尺度分析最新研究进展。

摘要: 随着制造业向智能化转型, 成形过程作为塑性工程领域的核心环节, 面临着工艺优化难、质量预测精度低、生产效率提升瓶颈等挑战。人工智能(AI) 技术凭借其强大的数据处理与建模能力, 为解决成形过程中的复杂问题提供了新路径。以“成形过程数据+AI” 为核心, 系统梳理人工智能技术在制造领域的应用逻辑与实践成果。首先, 从控制论视角解析人工智能三大学派在制造业的作用, 重点阐述行为主义学派(控制论) 在制造过程参数调控中的应用; 其次, 探讨数字孪生系统如何为AI 提供结构化、高时效性的数据支撑, 构建数字孪生技术牵引复杂系统集成; 再次, 深入分析机器学习算法(如K-means 聚类、神经网络) 在成形工艺寻优与质量预测中的具体应用; 最后, 针对通用大语言模型(LLM) 在制造业的局限性, 提出基于知识图谱(KG) 与检索增强生成(RAG) 的锻造领域垂直大模型构建方案, 为成形工艺智能化升级提供理论参考与实践路径。

摘要: 金属塑性成形技术在现代制造业中至关重要, 但传统方法在材料本构描述、工艺缺陷预测、质量优化及装备管控等方面面临精度低、效率差和适应性弱的挑战。近年来, 人工智能(AI) 技术的兴起为这些问题提供了创新解决方案, 推动了该领域向智能化转型。系统归纳了AI 技术在金属塑性成形中的应用进展, 具体从材料、工艺和装备3 个方面进行阐述。在材料本构方面, 传统唯象模型的局限性被数据驱动方法克服, 人工神经网络(ANN) 提升了单一路径下的预测精度, 循环神经网络(RNN) 模拟复杂加载路径的历史依赖, 机器学习(ML) 代理模型加速微观组织动态演变预测, 物理感知神经网络(PINN) 与跨尺度代理模型确保热力学一致性, 实现高效多尺度耦合仿真。在成形工艺中, AI 通过深度学习(DL) 预测宏观缺陷如起皱、回弹和微观损伤, 耦合物理驱动提升鲁棒性; 智能优化策略如强化学习实现厚度、板形与工艺参数的闭环控制,提高产品质量与效率。在智能装备管控中, 深度学习故障诊断方法在变工况和小样本下表现出色, 结合迁移学习增强泛化;剩余寿命预测与液压伺服、振动抑制的智能控制框架, 支持预测性维护与自主决策。总体而言, AI 显著降低了金属成形技术开发成本, 明显提升了预测准确率, 并在工业场景中验证了可行性。尽管面临可解释性与泛化挑战, 未来通过机理-数据融合、小样本学习和数字孪生, 将有效赋能金属塑性成形高质量发展。