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。

摘要：当前全球制冷需求急剧上升，传统蒸汽压缩制冷技术的温室气体泄漏和低制冷能效导致严峻环境问题。在此背景下，零温室效应且高能效的固态制冷技术成为研究热点，其中弹热制冷易实现显著绝热温度变化，是最具潜力替代传统蒸汽压缩制冷的技术之一。目前,弹热材料研究主要集中于形状记忆合金，包括Ni-Ti 基、Cu 基、Fe 基和Heusler 型形状记忆合金等。然而,各类弹热合金材料普遍存在相变潜热、循环稳定性、工作温区与制冷效率相互制约的问题。在各类弹热合金中，对Ni-Ti 基合金研究最为系统深入。该合金室温下可实现17—24 K 的绝热温度变化，通过元素掺杂、晶粒细化、增材制造等手段可优化弹热性能，是最接近商用化的弹热制冷材料，但其面临循环稳定性较差、工作温区窄等挑战。未来对于弹热材料的研究可着重多个方向：通过对Ni-Ti 基合金高熵化，提升强度与宽温域性能，结合增材制造实现复杂结构的近净成形，平衡各项性能指标；借助原位表征技术揭示马氏体相变过程中的缺陷演化规律，建立疲劳寿命与晶格参数的定量关系；拓展梯度结构合金等前沿方向。

摘要：激光武器是利用高亮度强激光束摧毁目标的高技术武器，具有精度高、破坏性大、抗干扰能力强等优势，目前各国都重视其研究，因此展开对激光武器的防护工作成为科研人员的重点研究方向。本文介绍了激光武器的组成、工作原理、与材料相互作用机理和破坏形式，对激光防护材料与防护机制进行总结，归纳了激光防护材料种类和研究现状，阐述了金属材料、树脂材料和陶瓷材料等对激光防护的积极作用。归纳了高反射率材料和耐烧蚀材料在激光防护涂层中的研究进展。最后指出目前激光防护技术仍具有一定的局限性，尤其对高反射涂层的研究相对较少，对后续激光防护材料的研究方向进行了预测和展望。

摘要：碳是元素周期表中最多样化的元素之一，具有极轻的原子质量，可以形成极强的共价键， 并能以多种杂化方式成键形成结构丰富的碳网络。由碳元素组成的炭材料展现出优异的力、热、光、电等属性，在传感器、导电、导热、超轻力学等领域具有非凡的应用前景。本文系统梳理纳米炭材料的结构、制备策略及器件性能优化进展，主要讨论了不同维度的纳米炭材料的关键合成方法与最新进展，并基于纳米炭材料的发展现状与挑战进行了展望。