1、ICS 01.040.01CCS A 20團(tuán)體標(biāo)準(zhǔn)T/CSTM 008392022材料基因工程術(shù)語Materials genome engineering - Terminology2022-08-29發(fā)布2022-11-29實(shí)施中關(guān)村材料試驗(yàn)技術(shù)聯(lián)盟T/CSTM 008392022前 言本文件參照 GB/T 1.1-2020化工作導(dǎo)則第 1部分：術(shù)語的規(guī)定起草。第 1部分：化文件的結(jié)構(gòu)和起草規(guī)則和 GB/T 20001.1編寫規(guī)則請(qǐng)注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機(jī)構(gòu)不承擔(dān)識(shí)別專利的責(zé)任。本文件由中國材料與試驗(yàn)團(tuán)體委員會(huì)材料基因工程領(lǐng)域委員會(huì)（CSTM/FC97）提出。本文件由

2、中國材料與試驗(yàn)團(tuán)體標(biāo)準(zhǔn)委員會(huì)材料基因工程領(lǐng)域委員會(huì)通則技術(shù)委員會(huì)（CSTM/FC97/TC01）歸口。IT/CSTM 008392022引 言材料基因工程是材料研發(fā)的新趨勢。近年隨著對(duì)材料的深入認(rèn)識(shí)、快速發(fā)展的人工智能、數(shù)據(jù)庫與材料研發(fā)相結(jié)合，出現(xiàn)這一新型的研究范式，即以數(shù)據(jù)驅(qū)動(dòng)的科學(xué)第四范式。同時(shí)，圍繞材料基因工程領(lǐng)域隨之涌現(xiàn)，層出不窮的各類新術(shù)語。然而材料基因工程發(fā)展目前尚處于初級(jí)階段，各類術(shù)語表述不一，同一術(shù)語表述不同。從科學(xué)發(fā)展過程可以看出，只有的術(shù)語才能保證行業(yè)規(guī)范和健康發(fā)展。所以統(tǒng)一術(shù)語將有助于推動(dòng)材料基因工程發(fā)展，促進(jìn)材料學(xué)術(shù)交流，方便文獻(xiàn)檢索，推動(dòng)材料數(shù)據(jù)庫建設(shè)，因此有必要建設(shè)

3、術(shù)語標(biāo)準(zhǔn)。從科學(xué)化、化、規(guī)范化的角度，收集 和統(tǒng)計(jì)材料設(shè)計(jì)、開發(fā)、生產(chǎn)、計(jì)算、表征、數(shù)據(jù)、應(yīng)用到評(píng)價(jià)等各環(huán)節(jié)中的術(shù)語，對(duì)材料數(shù)據(jù)生產(chǎn)、采集、匯交、存儲(chǔ)、檢索、交互、挖掘、計(jì)算、安全、質(zhì)量、共享、知識(shí)產(chǎn)權(quán)等各方面起到約束和統(tǒng)一要求。本術(shù)語收集的詞條來自于從 2008年以來，Web of Science引文索引數(shù)據(jù)庫、專利數(shù)據(jù)庫、數(shù)據(jù)庫、國內(nèi)外 學(xué)術(shù)會(huì)議數(shù)據(jù)庫檢索統(tǒng)計(jì)的高頻詞。從這些材料基因工程領(lǐng)域使用頻繁的術(shù)語中剔除了常見材料術(shù)語，保留材料基因工程相關(guān)緊密的術(shù)語。材料基因工程是一種新興的材料研究模式，具有高度學(xué)科交叉性和學(xué)術(shù)前瞻性。為了體現(xiàn)這些特性，術(shù)語選擇原則是必須體現(xiàn)材料基因工程的特點(diǎn)和熱點(diǎn)

4、方向。本收集的術(shù)語根據(jù)通則類、計(jì)算類、數(shù)據(jù)類、制備類、表征類、應(yīng)用類分成6類術(shù)語。在術(shù)語基礎(chǔ)上衍生的詞條以同一索引號(hào)下多級(jí)編號(hào)，形成分層關(guān)系。通過分類和分層實(shí)現(xiàn)材料基因工程術(shù)語體系建設(shè)。術(shù)語建設(shè)必須具備開放性。術(shù)語體系建設(shè)不是一蹴而就，一勞永逸，需要不斷更新和擴(kuò)展，所以本術(shù)語材料基因工程特點(diǎn)。將與時(shí)俱進(jìn)，調(diào)整和補(bǔ)充材料基因工程領(lǐng)域的術(shù)語，保證實(shí)時(shí)體現(xiàn)通過建立材料基因工程術(shù)語，實(shí)現(xiàn)示范材料的通用、分類以及技術(shù)，從而形成材料的系列術(shù)語體系，既反映材料基因工程的熱點(diǎn)和特點(diǎn)，又支持材料數(shù)據(jù)庫技術(shù)研究和大數(shù)據(jù)技術(shù)研究工作，共同支撐新材料數(shù)據(jù)平臺(tái)的建設(shè)，提升新材料產(chǎn)業(yè)自主創(chuàng)新能力和綜合競爭力。1T/CST

5、M 008392022材料基因工程術(shù)語1范圍本文件界定了材料基因工程領(lǐng)域中的通用類、計(jì)算類、數(shù)據(jù)類、制備類、表征類、應(yīng)用類術(shù)語規(guī)范性表述。本文件適用于材料基因工程領(lǐng)域的科學(xué)研究、教學(xué)和應(yīng)用。2規(guī)范性引用文件本文件沒有規(guī)范性引用文件。3.詞條分類材料基因工程術(shù)語詞條按通用類、計(jì)算類、數(shù)據(jù)類、制備類、表征類和應(yīng)用類分類。4詞條要素.1詞條要素構(gòu)成每類術(shù)語包括若干詞條。每個(gè)詞條由必需的要素構(gòu)成，包括索引號(hào)，一個(gè)術(shù)語或者幾個(gè)同義術(shù)語和縮寫，定義。同一個(gè)術(shù)語可由不同領(lǐng)域的詞條定義，一個(gè)詞條可以包括注解或者便于理解概念的示例。每個(gè)詞條根據(jù)需要，可以增減一些要素。詞條按照以下順序包括如下要素：a)索引號(hào)（對(duì)

6、發(fā)布的本文件所有語言是公共的）b)術(shù)語或者某語言中首選術(shù)語；c)首選術(shù)語（根據(jù)GB/T4880.1-2005的規(guī)則標(biāo)明）；d)術(shù)語的縮寫；e)許可的同義術(shù)語；f)定義的正文；g)來源；h)參見；i)注解；j)示例。4.2定義中黑體字的用法術(shù)語在定義、注解、示例中用黑體字印刷時(shí)，表示該術(shù)語已在其他詞條定義過。4.3定義中尖括弧的用法對(duì)于一些具有普遍含義的術(shù)語，在術(shù)語定義句首，放在尖括弧的文字指明該術(shù)語的特定應(yīng)用范圍或者領(lǐng)域。4.4定義中方括弧的用法定義之后的方括弧文字指明該術(shù)語定義來源，術(shù)語詞典及版本詳細(xì)信息參考附件文獻(xiàn)列表。5.術(shù)語和定義5.1通用類5.1.11T/CSTM 008392022

7、材料基因工程 materials genome engineering一種材料科學(xué)的新型研發(fā)理念，顛覆了傳統(tǒng)的“試錯(cuò)法”，以“數(shù)據(jù)人工智能”為標(biāo)志的數(shù)據(jù)驅(qū)動(dòng)模式，實(shí)現(xiàn)新材料及工藝的理性設(shè)計(jì)和研究。在此模式下，材料研究活動(dòng)圍繞數(shù)據(jù)產(chǎn)生與數(shù)據(jù)處理展開，使掌握成分-組織-工藝-性能間關(guān)聯(lián)規(guī)律的速度更快、效率更高、成本更少。5.1.2大數(shù)據(jù) big data具有體量巨大、來源多樣、生成極快且多變等特征，并且難以用傳統(tǒng)數(shù)據(jù)體系結(jié)構(gòu)有效處理的包含大量數(shù)據(jù)集的數(shù)據(jù)。注：國際上，大數(shù)據(jù)的4個(gè)特征直接用volume、variety、velocity、variability予以表述，分別賦予它們?cè)诖髷?shù)據(jù)語境下的定

8、義。來源：GB/T 35295-2017，2.1.15.1.3數(shù)據(jù)集 data set集合數(shù)據(jù)記錄匯聚形式。5.1.4元數(shù)據(jù) meta data關(guān)于數(shù)據(jù)的數(shù)據(jù)。來源：GB/T19710-2005,4.5注：包括描述材料樣品信息、源數(shù)據(jù)、衍生數(shù)據(jù)的數(shù)據(jù)，描述數(shù)據(jù)的內(nèi)容、產(chǎn)生、應(yīng)用、共享、聯(lián)系以及其他特征，幫助人們更好獲取、管理、認(rèn)識(shí)、利用數(shù)據(jù)。5.1.5材料數(shù)據(jù) materials data反映材料成分、結(jié)構(gòu)、性能的各類數(shù)據(jù)，來自于實(shí)驗(yàn)、計(jì)算、分析、文獻(xiàn)等途徑，根據(jù)數(shù)據(jù)通則標(biāo)準(zhǔn)，分為樣品信息、源數(shù)據(jù)、衍生數(shù)據(jù)，可以通過數(shù)據(jù)分析和挖掘進(jìn)一步建立材料性能和數(shù)據(jù)之間的聯(lián)系。5.1.5.1材料數(shù)據(jù)集 m

9、aterials dataset面向材料應(yīng)用，按照數(shù)據(jù)結(jié)構(gòu)組織、存儲(chǔ)和管理的數(shù)據(jù)集合。5.1.5.2數(shù)據(jù)獲取 data acquisition通過實(shí)驗(yàn)、表征、計(jì)算、模擬等手段，采集材料成分、組織、性能、服役相關(guān)數(shù)據(jù)的過程。5.1.5.3數(shù)據(jù)挖掘 data mining對(duì)材料數(shù)據(jù)庫中的數(shù)據(jù)通過統(tǒng)計(jì)、人工智能等算法進(jìn)行抽取、轉(zhuǎn)化、分析和模式化處理，從中提取有效的、新穎的、潛在有用的、最終可理解的材料信息和知識(shí)的過程。5.1.5.4數(shù)據(jù)查詢 data access數(shù)據(jù)訪問用戶檢索、瀏覽數(shù)據(jù)，甚至進(jìn)一步利用數(shù)據(jù)潛力的過程。5.1.5.5數(shù)據(jù)交換 data exchange指將源模式下的數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換為目

10、標(biāo)模式下的數(shù)據(jù)結(jié)構(gòu)的過程。5.1.5.62T/CSTM 008392022數(shù)據(jù)字典 data dictionary對(duì)每個(gè)元數(shù)據(jù)元素和元數(shù)據(jù)實(shí)體中的中文名稱、英文名稱、縮寫名、定義、數(shù)據(jù)類型、值域、約束/條件和最大出現(xiàn)次數(shù)等屬性進(jìn)行完整說明。通常包括數(shù)據(jù)項(xiàng)、數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)流、數(shù)據(jù)存儲(chǔ)和基本加工五個(gè)部分。其中數(shù)據(jù)項(xiàng)是數(shù)據(jù)的最小組成單位，若干個(gè)數(shù)據(jù)項(xiàng)可以組成一個(gè)數(shù)據(jù)結(jié)構(gòu)。通過對(duì)數(shù)據(jù)項(xiàng)和數(shù)據(jù)結(jié)構(gòu)的定義來描述數(shù)據(jù)流、數(shù)據(jù)存儲(chǔ)的邏輯內(nèi)容。注1：(1)數(shù)據(jù)項(xiàng)：是不可再分的數(shù)據(jù)單位。(2)數(shù)據(jù)結(jié)構(gòu)：反映了數(shù)據(jù)之間的組合關(guān)系。(3)數(shù)據(jù)流：是數(shù)據(jù)結(jié)構(gòu)在系統(tǒng)內(nèi)傳輸?shù)穆窂健?4)數(shù)據(jù)存儲(chǔ)：是數(shù)據(jù)結(jié)構(gòu)停留或保存的地方

11、，也是數(shù)據(jù)流的來源和去向之一。(5)基本加工：其具體處理邏輯一般用結(jié)構(gòu)化語言、判定表或判定樹來描述。注2：數(shù)據(jù)字典一般有手工建立和利用計(jì)算機(jī)輔助建立并維護(hù)兩種形式。前者按各條目規(guī)范的格式印制、填寫和處理卡片，建立索引目錄;后者可編制程序來生成和管理字典，并在生成字典的同時(shí)建立字典的數(shù)據(jù)庫文件，以便于字典的修改、查詢和印刷。5.1.5.7數(shù)據(jù)存儲(chǔ) data storage對(duì)于材料研發(fā)領(lǐng)域產(chǎn)生的各類數(shù)據(jù)進(jìn)行有效存儲(chǔ)和管理的技術(shù)。5.1.5.8數(shù)據(jù)評(píng)價(jià) data evaluation對(duì)材料數(shù)據(jù)的內(nèi)容、質(zhì)量、可靠性、價(jià)值、生命周期進(jìn)行判斷的過程5.1.5.9數(shù)據(jù)安全 data security在數(shù)據(jù)的

12、使用和交換過程中，保護(hù)在存儲(chǔ)、處理過程中的數(shù)據(jù)不被破壞、泄露、篡改或非授權(quán)使用而采取的措施及技術(shù)。注：可以采用一定的安全機(jī)制，按照不同等級(jí)的權(quán)限對(duì)數(shù)據(jù)進(jìn)行處理，保護(hù)數(shù)據(jù)所有者的權(quán)益。5.1.5.10數(shù)據(jù)管理 data management指對(duì)數(shù)據(jù)進(jìn)行管理、維護(hù)、存儲(chǔ)、評(píng)價(jià)、備份以及對(duì)其他用戶授予數(shù)據(jù)訪問權(quán)限等全面操作。5.1.5.11數(shù)據(jù)原則 data principle指遵循FAIR的原則， FAIR是Findable（可發(fā)現(xiàn)）,Accessible（可獲取）,Interoperable（可互操作）, Reusable（可再利用）英文單詞首字母組合。注：參見可發(fā)現(xiàn)(5.1.47),可獲取(5

13、.1.48),可互操作(5.1.49),可再利用(5.1.50)。5.1.6材料基因 materials gene形象描述決定材料性能的基本功能單位。注：迄今為止，材料科學(xué)尚無特定的、科學(xué)的、明確的、普遍的微觀組織結(jié)構(gòu)。5.1.6.1材料基因組 materials genome指決定材料性能的基本功能單位集合。注：與基因類似，材料科學(xué)尚無特定的、科學(xué)的、明確的、普遍的微觀組織結(jié)構(gòu)集合。5.1.7高通量 high throughput在材料基因工程領(lǐng)域，指在較短時(shí)間內(nèi)處理大量樣品，支持相應(yīng)數(shù)據(jù)的技術(shù)體系，具有微量、快速、靈敏和準(zhǔn)確等特點(diǎn)，相關(guān)技術(shù)可應(yīng)用于材料制備、材料表征、材料計(jì)算、材料篩選等方

14、向。3T/CSTM 0083920225.1.7.1高通量技術(shù) high throughput technology高通量方法 high throughput method借鑒生物研究理念，材料研究中如何實(shí)現(xiàn)高通量、多任務(wù)、多通道、高并發(fā)等目的的技術(shù)。5.1.7.2高通量工藝開發(fā) high throughput process development為了實(shí)現(xiàn)快速處理目的，研發(fā)高通量技術(shù)（5.1.7.1）的過程。5.1.7.3高通量計(jì)算材料基礎(chǔ)設(shè)施 high throughput computational materials infrastructure通過計(jì)算機(jī)網(wǎng)絡(luò)，將高性能計(jì)算、海量數(shù)據(jù)、

15、和人工智能算法或工具的有效集成,建立起適合高通量材料計(jì)算篩選的信息化基礎(chǔ)設(shè)施或者平臺(tái)，包括能用于實(shí)現(xiàn)高通量材料計(jì)算的各種資源、軟件和設(shè)備等。5.1.7.4高通量實(shí)驗(yàn) high throughput experiment材料基因工程方法之一,不同于傳統(tǒng)樣品制備實(shí)驗(yàn)手段。這一方式借鑒生物和制藥研究方法，以小尺寸，大批量、并行特征的實(shí)驗(yàn)新型手段應(yīng)用于材料研發(fā)，具有快速、靈敏、準(zhǔn)確、高效率特點(diǎn)。5.1.7.5高通量合成 high throughput synthesis指基于多通道、并行手段合成制備材料樣品的技術(shù)和方法。5.1.7.6高通量制造 high throughput fabrication指

16、通過同步并行方式實(shí)現(xiàn)大批量材料生產(chǎn)。5.1.7.7高通量計(jì)算 high throughput calculation區(qū)別于傳統(tǒng)計(jì)算方法，能夠并行大批量實(shí)現(xiàn)計(jì)算目標(biāo)的高效率計(jì)算技術(shù)。5.1.7.8高通量表征 high throughput characterization區(qū)別于傳統(tǒng)表征方法，能夠并行大批量實(shí)現(xiàn)材料樣品分析的高效率表征技術(shù)。5.1.7.9高通量分析 high throughput analysis以微板形式作為分析載體，自動(dòng)化操作系統(tǒng)執(zhí)行分析過程，靈敏快速的檢測儀器采集實(shí)驗(yàn)結(jié)果數(shù)據(jù)，計(jì)算機(jī)分析處理實(shí)驗(yàn)數(shù)據(jù)，在同一時(shí)間檢測數(shù)以千萬的樣品，并得到的相應(yīng)數(shù)據(jù)的過程，它具有微量、快速、靈敏

17、和準(zhǔn)確等特點(diǎn)。注：高通量技術(shù)常應(yīng)用于測量和測試中。5.1.7.10高通量測量 high throughput measurement高通量測試 high throughput testing基于高通量測量設(shè)備或編寫專門的程序，按一定流程實(shí)現(xiàn)材料性能或者特征的記錄過程。5.1.7.11高通量篩選 high throughput screening基于高通量設(shè)備對(duì)大批量的實(shí)驗(yàn)樣品進(jìn)行對(duì)比，選擇優(yōu)化材料成分范圍的過程。5.1.7.12高通量計(jì)算篩選 high throughput computational screening4T/CSTM 008392022通過材料計(jì)算尋找、篩選、替代或優(yōu)化材料組

18、成的基本構(gòu)建單元，從而“構(gòu)建”新的化合物，并計(jì)算其相關(guān)物性，同時(shí)結(jié)合材料信息學(xué)相關(guān)技術(shù)將數(shù)據(jù)、代碼和材料計(jì)算軟件進(jìn)行集成，通過數(shù)據(jù)挖掘盡可能建立起材料組分、結(jié)構(gòu)和性能的定量關(guān)系模型用于指導(dǎo)新材料設(shè)計(jì)。5.1.7.13高通量搜索 high throughput search從已有的材料數(shù)據(jù)中通過高通量技術(shù)進(jìn)行數(shù)據(jù)優(yōu)化，挑選最佳的材料成分、工藝參數(shù)等。5.1.7.14高通量處理 high throughput processing指材料制備過程中，應(yīng)用高通量技術(shù)對(duì)材料樣品進(jìn)行準(zhǔn)備過程。5.1.7.15高通量材料模擬 high throughput materials simulation高通量模擬

19、 high throughput simulation材料基因工程特征手段之一，指材料模擬基于并行、高速的平臺(tái)進(jìn)行，具備快速高效特點(diǎn)。5.1.8數(shù)據(jù)標(biāo)識(shí)符 data identifier標(biāo)識(shí)符 identifier標(biāo)識(shí)數(shù)據(jù)的符號(hào)，通常由字母和數(shù)字以及其它字符構(gòu)成，滿足FAIR原則需要，實(shí)現(xiàn)數(shù)據(jù)之間聯(lián)系。5.1.9樣品信息 sample information依據(jù)材料基因工程數(shù)據(jù)通則，指材料樣品的成分、標(biāo)識(shí)，制備條件等信息。5.1.10原始數(shù)據(jù) source data測量或計(jì)算產(chǎn)生的，未經(jīng)處理過的數(shù)據(jù)。來源：T/CSTM 00120-2019，3.4，有修改注：也稱為源數(shù)據(jù)，為避免與元數(shù)據(jù)混淆，

20、修訂稱為原始數(shù)據(jù)。5.1.11衍生數(shù)據(jù) derived data對(duì)源數(shù)據(jù)或者衍生數(shù)據(jù)進(jìn)行分析后產(chǎn)生的結(jié)果數(shù)據(jù)。來源：T/CSTM 00120-2019，3.55.1.12材料信息學(xué) materials informatics利用信息技術(shù)與技術(shù)對(duì)材料信息進(jìn)行收集、存儲(chǔ)、加工、檢索、提取、交換、傳輸、分析、研究和應(yīng)用的學(xué)科。5.1.13納米材料 nanomaterials任一外部維度、內(nèi)部或表面結(jié)構(gòu)處于納米尺度（1nm100nm)范圍的材料。注：納米材料可以分為零維材料、一維材料、二維材料、三維材料。來源：GB/T 30544.1-2014，2.45.1.13.1零維材料 zero-dimensi

21、onal materials指粒徑比較小的顆粒，包括團(tuán)簇。常見的有納米粒子，超細(xì)粒子，超細(xì)粉，煙粒子，人造原子，量子點(diǎn)，原子團(tuán)簇及納米團(tuán)簇等。5.1.13.25T/CSTM 008392022一維材料 one-dimensional materials指電子僅在一個(gè)維度的納米尺度方向上自由運(yùn)動(dòng)（直線運(yùn)動(dòng)），如納米線性結(jié)材料、量子線，最具代表的是碳納米管。5.1.13.3二維材料 two-dimensional materials全名稱二維原子晶體材料，指電子僅可在兩個(gè)維度的納米尺度（1nm100nm）上自由運(yùn)動(dòng)（平面運(yùn)動(dòng)）的材料，如納米薄膜、超晶格、量子阱、石墨烯。5.1.13.4三維材料 t

22、hree-dimensional materials指電子可以在三個(gè)維度的納米尺度上自由運(yùn)動(dòng)，如納米粉末高壓成型或控制金屬液體結(jié)晶而得到的納米晶粒結(jié)構(gòu)（納米結(jié)構(gòu)材料）。5.1.14本體 ontology對(duì)一個(gè)論域中存在的概念及其關(guān)系和性質(zhì)進(jìn)行可共享的、可形式的、可顯現(xiàn)的描述。注：使用該本體所建立的模型可以被其他人員或系統(tǒng)共享。5.1.15表型 phenotype某一研究對(duì)象所能顯現(xiàn)出的性狀的總和。5.1.16材料研究 materials research從事材料開發(fā)和性能改進(jìn)使之得以應(yīng)用的行為。5.1.16.1材料開發(fā) materials development為研究新材料或者提升已有材料性能

23、進(jìn)行的活動(dòng)。5.1.16.2材料表征 materials characterization運(yùn)用各種技術(shù)和方式對(duì)材料成分、性能、組織等特點(diǎn)進(jìn)行檢測、觀察、記錄的過程。5.1.16.3材料發(fā)現(xiàn) materials discovery通過理論和計(jì)算預(yù)測材料的組分、結(jié)構(gòu)與性能，實(shí)現(xiàn)新材料發(fā)現(xiàn)和性能拓展。5.1.16.4材料非線性 materials nonlinearity指材料行為與成分、組織、物理環(huán)境之間不是簡單線性關(guān)系，而是復(fù)雜、耦合關(guān)系。5.1.16.5材料分類 materials classification材料按照化學(xué)組成可以分為金屬材料、無機(jī)非金屬材料、高分子材料和復(fù)合材料。5.1.16

24、.6材料工程 materials engineering以材料科學(xué)原理為基礎(chǔ)，研究、開發(fā)、生產(chǎn)和應(yīng)用各種材料的工程領(lǐng)域。5.1.16.7材料合成 materials synthesis通過一定途徑，從氣態(tài)、液態(tài)或者固態(tài)的各種原材料中得到化學(xué)成分、組織及性能不同于原材料的新材料的過程。6T/CSTM 0083920225.1.16.8材料科學(xué) materials science結(jié)合固體物理、無機(jī)化學(xué)、有機(jī)化學(xué)與物理化學(xué)等學(xué)科發(fā)展推動(dòng)了物質(zhì)結(jié)構(gòu)和物理化學(xué)性質(zhì)的研究，從而對(duì)材料制備、成分、結(jié)構(gòu)與性能以及之間關(guān)系認(rèn)識(shí)愈加深入的一門學(xué)科。5.1.16.9材料加工 materials processing

25、為了實(shí)現(xiàn)應(yīng)用，對(duì)材料進(jìn)行性能、形狀和尺寸改變的過程。5.1.16.10材料檢測 materials test對(duì)原材料的成分分析、測量、無損傷檢測和環(huán)境模擬測試等。5.1.16.11材料建模 materials modeling為了研究材料成分、組織和性能關(guān)系建立的模型的行為和過程。5.1.16.12材料預(yù)測 materials prediction通過理論模型預(yù)測材料組織、性能的行為。5.1.16.13材料選擇 materials selection選擇滿足性能要求材料的過程和手段。5.1.16.14材料描述符 materials descriptor用于標(biāo)識(shí)材料樣品、成分、特征、性能、工藝等

26、符號(hào)。5.1.16.15材料模擬 materials simulation根據(jù)實(shí)際材料問題建立模型，對(duì)真實(shí)材料及其體系和過程進(jìn)行求解計(jì)算或模擬，以獲知所模擬系統(tǒng)的某些關(guān)鍵性特征的一類研究方法。5.1.16.16材料篩選 materials screening從多個(gè)備選材料中，依據(jù)一定要求和規(guī)則縮小材料選擇范圍，尋找潛能滿足需要的過程。5.1.16.17材料設(shè)計(jì) materials design通過理論和計(jì)算預(yù)測材料的組分、結(jié)構(gòu)與性能的行為。5.1.16.18材料辨識(shí) materials identification在豐富的材料數(shù)據(jù)庫中，通過材料數(shù)據(jù)庫檢索或者人工智能方式確定材料品種的過程。5.

27、1.16.19材料識(shí)別 materials recognition指應(yīng)用人工智能對(duì)材料種類、特性、樣品的辨別和標(biāo)識(shí)。5.1.16.20材料分形 fractal of materials界面失穩(wěn)引起材料幾何分形與界面形態(tài)的演變。5.1.16.21材料知識(shí) materials knowledge7T/CSTM 008392022指以材料科學(xué)和認(rèn)知體系，在材料基因工程領(lǐng)域中，指數(shù)據(jù)挖掘獲得的有價(jià)值信息。5.1.16.22材料知識(shí)系統(tǒng) materials knowledge system材料基因工程領(lǐng)域中，材料數(shù)據(jù)有價(jià)值信息的體系。5.1.16.23材料數(shù)據(jù)庫 materials database用于

28、材料數(shù)據(jù)存儲(chǔ)、查詢、管理、處理的數(shù)據(jù)庫。在材料基因工程中，是不可或缺的重要組成部分。5.1.16.24數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn) knowledge discovery in databases；KDD從原始數(shù)據(jù)中提煉出有意義的、簡潔的知識(shí)，直接提供給使用者，是數(shù)據(jù)挖掘的一種更廣義的說法。注：基于數(shù)據(jù)庫的知識(shí)發(fā)現(xiàn)(KDD)和數(shù)據(jù)挖掘還存在著混淆，通常這兩個(gè)術(shù)語替換使用。KDD表示將低層數(shù)據(jù)轉(zhuǎn)換為高層知識(shí)的整個(gè)過程。而數(shù)據(jù)挖掘可認(rèn)為是觀察數(shù)據(jù)中模式或模型的抽取。雖然數(shù)據(jù)挖掘是知識(shí)發(fā)現(xiàn)過程的核心，但它通常僅是數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)的一部分。5.1.16.25材料特性預(yù)測 material properties

29、 prediction在材料基因工程領(lǐng)域，指基于材料物理、化學(xué)、力學(xué)方面認(rèn)識(shí)，通過數(shù)學(xué)建模，數(shù)值模擬和回歸等人工智能手段預(yù)測材料性能。5.1.16.26材料集成 materials integration材料一體化在材料基因工程領(lǐng)域，指材料計(jì)算、模擬、服役等研究活動(dòng)集成。5.1.16.27材料基因組計(jì)劃 material genome initiative；MGI美國在2011年啟動(dòng)的一項(xiàng)科學(xué)計(jì)劃，這一計(jì)劃是基于材料計(jì)算指導(dǎo)實(shí)驗(yàn)的材料新型研究模式，目的在于加快研究材料進(jìn)程。翻倍加快材料研發(fā)速度，減半降低材料研發(fā)成本是這一計(jì)劃的特點(diǎn)。5.1.17超晶格 super lattice由兩種或多種厚度

30、在納米量級(jí)的半導(dǎo)體材料構(gòu)成的周期性交替層結(jié)構(gòu)。在這種結(jié)構(gòu)中，相鄰勢阱中的電子可以互相耦合，使得原來分立的能級(jí)展寬成為微小能帶。5.1.18成分分布 composition spread材料成分沿著材料空間變化，常用于表示梯度材料性能與成分關(guān)系。注：成分分布是成分?jǐn)?shù)據(jù)之一，反映材料成分的數(shù)據(jù)，與樣品信息有關(guān)。5.1.19尺寸效應(yīng) size effect由材料整體或局部尺寸的微小化引起的機(jī)理及性能等特異性變化的現(xiàn)象。5.1.20多變量分析 multivariate analysis針對(duì)統(tǒng)計(jì)資料中同時(shí)存在多個(gè)變量（或稱因素、指標(biāo)）時(shí)的統(tǒng)計(jì)分析方法。隨著計(jì)算機(jī)能力提高，該方法更為普遍在材料基因工程中應(yīng)

31、用。它為統(tǒng)計(jì)方法的一種，是統(tǒng)計(jì)學(xué)的重要分支，是單變量統(tǒng)計(jì)的擴(kuò)展。5.1.218T/CSTM 008392022多尺度 multi-scale從原子（分子）尺度、納觀尺度、微觀尺度、介觀尺度、宏觀尺度的不同尺度研究。5.1.21.1多尺度方法 multi-scale method結(jié)合多個(gè)尺度研究材料的方法。5.1.21.2多尺度分析 multi-scale analysis對(duì)材料基于微觀、介觀、宏觀不同尺度的研究。5.1.21.3多尺度建模 multi-scale modeling在材料基因工程領(lǐng)域，對(duì)材料進(jìn)行包含原子(分子)水平、納觀尺度、微觀尺度、介觀尺度、宏觀尺度等不同尺度耦合關(guān)聯(lián)的計(jì)算機(jī)

32、仿真行為。5.1.21.4多尺度模擬 multi-scale simulation結(jié)合全部原子（分子）尺度、納觀尺度、微觀尺度、介觀尺度、宏觀尺度或者幾個(gè)尺度建模模擬材料組織和性能、服役行為等。5.1.21.5多尺度模型 multi-scale model從原子尺度到微觀、介觀、宏觀的多尺度模擬的材料模型。5.1.21.6多尺度設(shè)計(jì) multi-scale design基于微觀、介觀、宏觀等多尺度進(jìn)行材料結(jié)構(gòu)設(shè)計(jì)獲得期望的性能。5.1.22多功能材料 multifunctional materials具備電、磁、聲、光、熱等多方面特性的材料。5.1.23多物理場 multiphysics包括力

33、學(xué)、熱、電、磁等物理環(huán)境。5.1.23.1多物理場建模 multiphysics modeling綜合考慮力學(xué)、熱、電、磁等物理環(huán)境下的材料性能模型。5.1.24多相 multi-phase材料中具備多個(gè)不同微觀組織的結(jié)構(gòu)。5.1.24.1多相材料 multi-phase materials指材料由多種不同組織構(gòu)成。5.1.25多材質(zhì) multi-material指不同物質(zhì)以一定方式組合形成材料。5.1.26功能材料 functional materials指通過光、電、磁、熱、化學(xué)、生化等作用后具有特定功能的材料。9T/CSTM 0083920225.1.27構(gòu)效關(guān)系 structure-a

34、ctivity relationship結(jié)構(gòu)與性能之間存在直接或者間接關(guān)系。5.1.28關(guān)鍵維度 critical dimension決定材料性能的方向。5.1.29合金設(shè)計(jì) alloy design基于元素和含量、性能的定量認(rèn)識(shí)，通過模型設(shè)計(jì)合金的成分、數(shù)量，滿足性能要求。5.1.30集成計(jì)算材料工程 integrated computational materials engineering；ICME結(jié)合物理、化學(xué)、力學(xué)、材料等多學(xué)科對(duì)材料復(fù)雜行為進(jìn)行建模和計(jì)算,實(shí)現(xiàn)材料設(shè)計(jì)目的。注：基于多尺度材料模型和計(jì)算模擬集成設(shè)計(jì)材料及相關(guān)工藝，并將其應(yīng)用于工程設(shè)計(jì)制作的一類方法學(xué)。有時(shí)又扼要解釋為

35、使用多尺度材料建模振興科學(xué)工程設(shè)計(jì)的方法學(xué)。ICME主要是將計(jì)算工具得到的材料信息與工業(yè)產(chǎn)品性能分析和制造工藝模擬集成，與美國政府與2011年提出的材料基因組計(jì)劃（Material Genome Initiative MGI）關(guān)系密切。材料基因組計(jì)劃還考慮了數(shù)據(jù)驅(qū)動(dòng)的作用，提出了加快研究速度和降低研究成本的目標(biāo)。5.1.31晶體結(jié)構(gòu)預(yù)測 crystal structure prediction通過計(jì)算機(jī)軟件預(yù)計(jì)晶體生長方向和晶面的能力。5.1.32計(jì)算材料學(xué) computational materials science材料科學(xué)與計(jì)算機(jī)科學(xué)的交叉學(xué)科，綜合材料科學(xué)、數(shù)學(xué)、物理學(xué)、化學(xué)以及機(jī)械工

36、程等學(xué)科而發(fā)展，是連接材料學(xué)理論與實(shí)驗(yàn)的橋梁，對(duì)材料組織結(jié)構(gòu)和性能進(jìn)行建模、模擬仿真計(jì)算和預(yù)測預(yù)報(bào)，是關(guān)于材料組成、結(jié)構(gòu)、性能、服役性能的模擬與設(shè)計(jì)學(xué)科。5.1.33數(shù)學(xué)建模 mathematical model根據(jù)實(shí)際問題來建立數(shù)學(xué)模型，對(duì)數(shù)學(xué)模型來進(jìn)行求解，然后根據(jù)結(jié)果去解決實(shí)際問題。5.1.34梯度 gradient原指是指物體或斜面傾斜、歪斜的程度，現(xiàn)指材料成分或者性能隨深度或距離變化。示例：梯度損傷、梯度損傷理論和梯度損傷模型。5.1.35拓?fù)?topology研究幾何圖形或空間在連續(xù)改變形狀后某些性質(zhì)保持不變的一個(gè)學(xué)科。它只考慮物體間的位置關(guān)系而不考慮它們的形狀和大小。5.1.35

37、.1拓?fù)鋬?yōu)化 topology optimization一種根據(jù)給定的負(fù)載情況、約束條件和性能指標(biāo)，在給定的區(qū)域內(nèi)對(duì)材料分布進(jìn)行優(yōu)化的數(shù)學(xué)方法，是結(jié)構(gòu)優(yōu)化的一種。結(jié)構(gòu)優(yōu)化可分為尺寸優(yōu)化、形狀優(yōu)化、形貌優(yōu)化和拓?fù)鋬?yōu)化。5.1.36相變 phase transformation10T/CSTM 008392022一個(gè)有大量原子或者分子構(gòu)成的系統(tǒng)，在一定外部約束條件下達(dá)到平衡時(shí)，系統(tǒng)內(nèi)形成一個(gè)或多個(gè)相互區(qū)別的均勻區(qū)域，稱為相。當(dāng)外界施加的約束條件（如溫度、壓強(qiáng)、磁場強(qiáng)度等）改變時(shí)，引起系統(tǒng)中相的數(shù)目或者相的性質(zhì)發(fā)生變化的現(xiàn)象。5.1.37相圖 phase diagram在給定條件下體系中各相達(dá)到平衡

38、后，環(huán)境約束（如溫度和壓力）、穩(wěn)定相態(tài)、相組成及熱力學(xué)變量（如化學(xué)勢、摩爾焓、摩爾熵等）間相互關(guān)系的幾何表達(dá)，即表示平衡條件下的系統(tǒng)狀態(tài)圖。5.1.38相圖計(jì)算 calculation of phase diagram； CALPHAD指運(yùn)用熱力學(xué)原理計(jì)算一個(gè)體系的相平衡關(guān)系和繪制相圖。利用這種方法可以在已有化合物材料基礎(chǔ)上預(yù)測和設(shè)計(jì)具有某種特定結(jié)構(gòu)和性能的新材料。5.1.39異質(zhì)材料 heterogeneous materials由兩種不同元素或者不同成分、組織的材料所構(gòu)成的材料。5.1.40異質(zhì)結(jié) heterojunction由兩種不同元素或者不同成分材料所構(gòu)成的結(jié)型材料。注：常用于研究物

39、質(zhì)的擴(kuò)散行為。5.1.41異質(zhì)結(jié)構(gòu) heterostructure由兩種不同元素或者不同成分材料所構(gòu)成的結(jié)構(gòu)。5.1.42有序-無序轉(zhuǎn)變 order-disorder transition無序結(jié)構(gòu)和有序結(jié)構(gòu)間的相互轉(zhuǎn)化。注：通常高溫有利于向無序相轉(zhuǎn)化，低溫則有利于向有序相轉(zhuǎn)化。有序-無序轉(zhuǎn)化會(huì)影響物質(zhì)的物理性質(zhì)和化學(xué)性質(zhì)。5.1.43增材制造 additive manufacturing3D打印 3D printing融合了計(jì)算機(jī)輔助設(shè)計(jì)、材料加工與成型技術(shù)、以數(shù)字模型文件為基礎(chǔ)，通過軟件與數(shù)控系統(tǒng)將專用的金屬材料、非金屬材料以及醫(yī)用生物材料，按照擠壓、燒結(jié)、熔融、光固化、噴射等方式逐層堆積，

40、制造出實(shí)體物品的制造技術(shù)。5.1.44綜合分析 integrated analysis在材料基因工程領(lǐng)域，結(jié)合各種分析手段對(duì)材料性能和特征行為進(jìn)行研究。注：一般指通過實(shí)驗(yàn)和計(jì)算兩個(gè)方面進(jìn)行。5.1.45組學(xué) omics生物科學(xué)研究發(fā)現(xiàn)單純研究某一方向（基因組，蛋白質(zhì)組，轉(zhuǎn)錄組等）無法解釋全部生物醫(yī)學(xué)問題，提出從整體角度出發(fā)研究人類組織細(xì)胞結(jié)構(gòu)，基因，蛋白及其分子間相互的作用，通過整體分析反映人體組織器官功能和代謝的狀態(tài)，為探索人類疾病的發(fā)病機(jī)制提供新的思路。注：受此啟發(fā)出現(xiàn)基因組(genome)和基因組學(xué)(genomics)兩個(gè)名詞，過去10年“組omes”和“組學(xué)omics”成為科學(xué)界的流行

41、語，部分組學(xué)已經(jīng)被確立為一個(gè)重要的知識(shí)體系和研究領(lǐng)域。11T/CSTM 0083920225.1.46系綜 ensemble由宏觀性質(zhì)完全相同而微觀性質(zhì)各不相同的大數(shù)目體系所組成的集合。5.1.46.1微正則系綜 microcanonical ensemble由許多具有相同能量、粒子數(shù)、體積的體系的集合，屬于系綜的一種。5.1.46.2正則系綜 canonical ensemble它代表了許多具有相同溫度的體系的集合，是統(tǒng)計(jì)力學(xué)中系綜的一種。5.1.47可發(fā)現(xiàn) findable指數(shù)據(jù)及其元數(shù)據(jù)被賦予全球性唯一并持久的標(biāo)識(shí)，數(shù)據(jù)被豐富的元數(shù)據(jù)所描述并在可檢索的源中登記或建立索引，易于被第三方(人

42、員與機(jī)器)方便地找到。5.1.48可獲取 accessible指數(shù)據(jù)及其元數(shù)據(jù)可使用通訊協(xié)議通過標(biāo)識(shí)查詢并獲取。5.1.49可互操作 interoperable指數(shù)據(jù)及其元數(shù)據(jù)的表達(dá)使用正式、可獲得、共享和廣泛使用的語言。5.1.50可再利用 reusable指數(shù)據(jù)及其元數(shù)據(jù)由多種準(zhǔn)確并相關(guān)的特征所描述，與細(xì)致的出處信息相關(guān)聯(lián)并符合相關(guān)領(lǐng)域的標(biāo)準(zhǔn)，從而被不同用戶(人員與機(jī)器)方便地使用。5.2計(jì)算類5.2.1高性能計(jì)算 high performance computing通常指使用多臺(tái)處理器組成的高性能計(jì)算系統(tǒng)所執(zhí)行的計(jì)算。5.2.2有限元法 finite elements method將連續(xù)

43、體離散化為若干有限大小的單元體，建立模型對(duì)實(shí)際物理問題進(jìn)行模擬求解的分析方法。5.2.3第一性原理計(jì)算 first principle calculation根據(jù)原子核和電子互相作用的原理及其基本運(yùn)動(dòng)規(guī)律，運(yùn)用量子力學(xué)原理，經(jīng)過近似處理后直接求解薛定諤方程的算法。被廣泛應(yīng)用在化學(xué)、物理、生命科學(xué)和材料學(xué)等領(lǐng)域。注：可以確定已知材料的結(jié)構(gòu)和基礎(chǔ)性質(zhì)，并實(shí)現(xiàn)原子級(jí)別的精準(zhǔn)控制，是現(xiàn)階段解決實(shí)驗(yàn)理論問題和預(yù)測新材料結(jié)構(gòu)性能的有力工具。由于不需要開展真實(shí)的實(shí)驗(yàn)，極大地節(jié)省了實(shí)驗(yàn)成本。5.2.3.1從頭計(jì)算 ab initio calculation狹義指不使用經(jīng)驗(yàn)參數(shù)，只基于電子質(zhì)量，原子核質(zhì)量等少數(shù)

44、實(shí)驗(yàn)數(shù)據(jù)進(jìn)行計(jì)算，進(jìn)而獲得物質(zhì)分子結(jié)構(gòu)和性質(zhì)參數(shù)的過程。注：與5.2.3第一性原理計(jì)算同義。5.2.412T/CSTM 008392022格子玻爾茲曼方法 lattice Boltzmann method一種基于細(xì)觀尺度模型和通過對(duì)玻爾茲曼方程進(jìn)行離散，得到離散玻爾茲曼方程作為理論基礎(chǔ)的模擬方法。5.2.5分子動(dòng)力學(xué) molecular dynamics；MD一種分子模擬方法，依靠牛頓力學(xué)模擬分子體系的運(yùn)動(dòng)，以粒子位置和動(dòng)力學(xué)信息為基礎(chǔ)，計(jì)算體系的熱力學(xué)量和進(jìn)一步獲得其它宏觀性質(zhì)。屬于微觀尺度的模擬方法。5.2.5.1高通量分子動(dòng)力學(xué)計(jì)算 high throughput molecular d

45、ynamics以高通量方式進(jìn)行分子動(dòng)力學(xué)模擬的方法和技術(shù)。5.2.6相場法 phase-field method考慮化學(xué)場、晶體場、結(jié)構(gòu)場隨時(shí)間和空間變化下，以態(tài)變量離散化形式處理固態(tài)和液態(tài)相變動(dòng)力學(xué)的一種微觀組織模擬方法。注：20世紀(jì)80年代中期，Langer，Caginalp提出相場模型，以克服界面追蹤法的缺點(diǎn)，可以描述枝晶的生長過程，避免跟蹤固液界面的位置與形狀。在相場模型中，固/液界面不再是厚度為零的尖銳界面，而是具有一定厚度的彌散界面。相場模型的基礎(chǔ)是Ginzburg-Landau方程，通過引入一個(gè)或一組僅在界面區(qū)域急劇變化但在空間上仍然保持光滑性的場變量序參量場來描述不同的相(如等

46、于1時(shí)表示固相;等于-1或0時(shí)表示液相;其他值時(shí)為界面)，并與其他場變量(如溶質(zhì)場、溫度場、應(yīng)力場等)結(jié)合起來描述組織演化問題。5.2.7多場耦合 multi-field coupling多個(gè)物理場（溫度場，應(yīng)力場，濕度場）相互疊加，相互影響的作用。5.2.8多相場 multi-phase-field多個(gè)相在空間中的分布及其演化情況。5.2.8.1多相場法 multi-phase-field method基于熱動(dòng)力學(xué)解決材料中多相演化問題的方法。5.2.9原子模擬 atomistic simulation基于原子尺度，應(yīng)用量子力學(xué)理論的材料性能計(jì)算。5.2.10本構(gòu)方程 constitutiv

47、e equation表述金屬材料變形時(shí)，應(yīng)力或應(yīng)力對(duì)時(shí)間的變化率同應(yīng)變或應(yīng)變速率之間關(guān)系的物性方程，也稱本構(gòu)關(guān)系。它反映了材料性質(zhì)等因素對(duì)上述關(guān)系的影響，是金屬塑性加工力學(xué)的重要方程之一。5.2.11密度泛函理論 density functional theory一種研究多電子體系電子結(jié)構(gòu)的方法。密度泛函理論在物理和化學(xué)上都有廣泛的應(yīng)用，特別是研究分子和凝聚態(tài)的性質(zhì)，是凝聚態(tài)物理計(jì)算材料學(xué)和計(jì)算化學(xué)領(lǐng)域最常用的方法之一。5.2.12能帶結(jié)構(gòu) band structure周期性晶格的量子動(dòng)力學(xué)電子波衍射引起的現(xiàn)象。材料的能帶結(jié)構(gòu)決定了多種特性，特別是材料電子學(xué)和光學(xué)性質(zhì)。13T/CSTM 008

48、3920225.2.13均質(zhì)化 homogenization在細(xì)觀尺度下對(duì)非均質(zhì)材料中呈現(xiàn)出周期性的單胞堆積結(jié)構(gòu)，以單胞作為代表性體積單元RVE，建立力學(xué)模型，利用能量極值原理計(jì)算變分，得出基本求解方程，再利用周期性條件均勻化條件及數(shù)學(xué)變換，聯(lián)立求解，然后通過類比得到宏觀等效的彈性系數(shù)張量，或者運(yùn)用漸進(jìn)展開和平均法得到細(xì)觀尺度下RVE的場響應(yīng)平均作為宏觀整體性質(zhì)。5.2.14自適應(yīng)網(wǎng)格細(xì)化 adaptive mesh refinement有限元計(jì)算中，在變化較為劇烈的區(qū)域，如大變形、激波面、接觸間斷面和滑移面等，網(wǎng)格在迭代過程不斷調(diào)節(jié)細(xì)化，實(shí)現(xiàn)網(wǎng)格點(diǎn)分布與物理解的耦合，從而提高解的精度和分辨率

49、的一種技術(shù)。5.3數(shù)據(jù)類5.3.1大數(shù)據(jù)挖掘 big data mining大數(shù)據(jù)分析 big data analytics從海量數(shù)據(jù)找到值得參考的樣型或規(guī)則，轉(zhuǎn)換成有價(jià)值的信息、洞察或知識(shí)，創(chuàng)造更多新價(jià)值。注：參見大數(shù)據(jù)(5.1.3)。5.3.2機(jī)器學(xué)習(xí) machine learning計(jì)算機(jī)通過對(duì)數(shù)據(jù)、事實(shí)或自身經(jīng)驗(yàn)的自動(dòng)分析和綜合獲取知識(shí)的過程。5.3.2.1機(jī)器學(xué)習(xí)算法 machine learning algorithm實(shí)現(xiàn)機(jī)器學(xué)習(xí)目的的計(jì)算機(jī)指令序列。5.3.2.2機(jī)器學(xué)習(xí)方法 machine learning method具有通用性的解決機(jī)器學(xué)習(xí)的規(guī)則和程序。5.3.2.3機(jī)器學(xué)

50、習(xí)模型 machine learning model實(shí)現(xiàn)機(jī)器學(xué)習(xí)目的的抽象表示集合。5.3.2.4機(jī)器學(xué)習(xí)技術(shù) machine learning technique指機(jī)器學(xué)習(xí)的方法及方法原理。5.3.3遷移學(xué)習(xí) transfer learning一種機(jī)器學(xué)習(xí)方法，任務(wù) A開發(fā)模型作為初始點(diǎn)，重新使用在為任務(wù) B開發(fā)模型的過程。5.3.4監(jiān)督學(xué)習(xí) supervised learning當(dāng)訓(xùn)練樣本的期望輸出已知，學(xué)習(xí)目的是對(duì)新樣本的輸出進(jìn)行預(yù)測，典型任務(wù)包括分類和回歸。5.3.5半監(jiān)督學(xué)習(xí) semi-supervised learning監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)相結(jié)合的一種學(xué)習(xí)方法。半監(jiān)督學(xué)習(xí)使用大量

51、的未標(biāo)記數(shù)據(jù)，以及同時(shí)使用標(biāo)記數(shù)據(jù)，來進(jìn)行模式識(shí)別工作。5.3.614T/CSTM 008392022無監(jiān)督學(xué)習(xí) unsupervised learning對(duì)沒有類別標(biāo)記的樣本進(jìn)行學(xué)習(xí)，學(xué)習(xí)目的通常是發(fā)現(xiàn)數(shù)據(jù)內(nèi)在結(jié)構(gòu)，典型任務(wù)是聚類和降維。5.3.7貝葉斯統(tǒng)計(jì) Bayesian statistics英國學(xué)者托馬斯貝葉斯提出一種歸納推理的理論，后被統(tǒng)計(jì)學(xué)者發(fā)展為一種系統(tǒng)的統(tǒng)計(jì)推斷方法，又稱為貝葉斯方法。5.3.7.1貝葉斯推理 Bayesian inference基于貝葉斯定理的一種推論統(tǒng)計(jì)方法。5.3.7.2貝葉斯網(wǎng)絡(luò) Bayesian network一種不確定知識(shí)表達(dá)和推理領(lǐng)域的理論模型。5

52、.3.7.3貝葉斯優(yōu)化 Bayesian optimization對(duì)貝葉斯算法進(jìn)一步優(yōu)化的過程。5.3.8大規(guī)模并行處理 massively parallel processing；MPP將大量處理器按照一定的拓?fù)浣Y(jié)構(gòu)互連在一起，實(shí)現(xiàn)大規(guī)模計(jì)算的一種并行處理技術(shù)。5.3.9分類 classification在材料基因工程領(lǐng)域領(lǐng)域，數(shù)據(jù)挖掘中按照種類、等級(jí)或性質(zhì)分別歸類。通常基于樣本數(shù)據(jù)先訓(xùn)練構(gòu)建分類函數(shù)或者分類模型(也稱為分類器)，具有將待分類數(shù)據(jù)項(xiàng)映射到某一特點(diǎn)類別的功能。5.3.9.1分類方法 classification method在人工智能領(lǐng)域，各種用于分類目的方法。5.3.9.2分

53、類算法 classification algorithms用于分類目的的算法，常見有貝葉斯分類算法、決策樹和神經(jīng)網(wǎng)絡(luò)分類算法。5.3.9.3樸素貝葉斯分類器 naive Bayesian classifier基于貝葉斯定理，通過計(jì)算給定實(shí)例屬于一個(gè)特定類的概率來對(duì)給定實(shí)例進(jìn)行分類。5.3.10回歸 regression在材料基因工程領(lǐng)域，一般指研究一組隨機(jī)變量(Y1，Y2， Yi)和另一組(X1，X2， Xk)變量之間關(guān)系的統(tǒng)計(jì)分析方法。注：回歸與分類是人工智能兩個(gè)主要研究方向。5.3.10.1多元回歸 multivariate regression通過對(duì)兩個(gè)或兩個(gè)以上的自變量與一個(gè)因變量的相

54、關(guān)分析，建立預(yù)測模型進(jìn)行預(yù)測的方法。5.3.11機(jī)器視覺 machine vision通過傳感器等機(jī)械、電子實(shí)現(xiàn)人類的可視能力，輸出電子信號(hào)。5.3.1215T/CSTM 008392022集成 ensemble在材料基因工程領(lǐng)域，結(jié)合多個(gè)“個(gè)體學(xué)習(xí)器”的策略。5.3.12.1集成分類器 ensemble classifier實(shí)現(xiàn)集成學(xué)習(xí)的學(xué)習(xí)器。5.3.12.2集成機(jī)器學(xué)習(xí) ensemble machine learning集成學(xué)習(xí) ensemble learning通過構(gòu)建并結(jié)合多個(gè)學(xué)習(xí)器完成學(xué)習(xí)任務(wù)，有時(shí)也被稱為多分類器系統(tǒng)。5.3.13聚類 clustering在材料基因工程領(lǐng)域，采用

55、統(tǒng)計(jì)分析算法實(shí)現(xiàn)樣品或指標(biāo)分類，是數(shù)據(jù)挖掘重要算法之一。5.3.13.1聚類分析 clustering analysis將實(shí)際對(duì)象或抽象對(duì)象(一般指樣品或指標(biāo))的集合分組為類似對(duì)象組成的多個(gè)類(簇)的分析過程。5.3.13.2聚類算法 clustering algorithm研究對(duì)象(一般指樣品或指標(biāo))分類問題的一種統(tǒng)計(jì)分析方法，也是數(shù)據(jù)挖掘的一個(gè)重要算法。5.3.13.3層次聚類 hierarchical clustering一種重要的無監(jiān)督學(xué)習(xí)方法。該方法通過合并和分裂途徑來實(shí)現(xiàn)。合并時(shí)，先使每個(gè)樣本各成一類，然后通過合并不同的類，來減少類別數(shù)目。分裂時(shí)，先將所有樣本歸入一類，然后通過后續(xù)

56、分裂，來增加類別數(shù)目。因此，存在基于合并的層次聚類方法和基于分裂的層次聚類方法。5.3.14卷積神經(jīng)網(wǎng)絡(luò) convolutional neural network一類包含卷積計(jì)算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，是深度學(xué)習(xí)的代表算法之一。5.3.15決策支持系統(tǒng) decision support systems；DSS輔助決策者通過數(shù)據(jù)、模型、知識(shí)以及人機(jī)交互方式進(jìn)行半結(jié)構(gòu)化或非結(jié)構(gòu)化決策的計(jì)算機(jī)應(yīng)用系統(tǒng)。它為決策者提供分析問題、建立模型、模擬決策過程和方案的環(huán)境，調(diào)用各種信息資源和分析工具，幫助決策者提高決策水平和質(zhì)量。這是一門綜合經(jīng)濟(jì)管理理論、決策科學(xué)、控制論、行為科學(xué)和計(jì)算機(jī)科學(xué)的邊緣性科學(xué)

57、，它已廣泛用于企業(yè)決策管理、戰(zhàn)略研究與規(guī)劃、經(jīng)濟(jì)分析和資源管理等部門。材料基因工程有應(yīng)用。5.3.16決策樹 decision tree直觀運(yùn)用概率分析的一種圖解法。基于已知各種情況發(fā)生概率，評(píng)價(jià)項(xiàng)目風(fēng)險(xiǎn)，判斷可行性的決策分析方法，采用這種決策圖解分支類似一棵樹的枝干。5.3.17深度機(jī)器學(xué)習(xí) deep machine learning深度學(xué)習(xí) deep learning可理解為進(jìn)行“特征學(xué)習(xí)”或“表示學(xué)習(xí)”,通過多層處理，將初始“低層”特征表示轉(zhuǎn)化為“高層”特征后，用“簡單模型”實(shí)現(xiàn)復(fù)雜的分類等學(xué)習(xí)任務(wù)。注：常見方式有深度卷積神經(jīng)網(wǎng)絡(luò)，自編碼神經(jīng)網(wǎng)絡(luò)，深度置信網(wǎng)絡(luò)等方式。16T/CSTM 0

58、083920225.3.18深度卷積神經(jīng)網(wǎng)絡(luò) deep convolutional neural network基于卷積運(yùn)算的神經(jīng)網(wǎng)絡(luò)系統(tǒng)。注：參見卷積神經(jīng)網(wǎng)絡(luò)(5.3.14)。5.3.19統(tǒng)計(jì)數(shù)據(jù)分析 statistical data analysis指運(yùn)用統(tǒng)計(jì)方法及與分析對(duì)象有關(guān)的知識(shí)，結(jié)合定量與定性進(jìn)行的研究。5.3.20統(tǒng)計(jì)計(jì)算 statistical computing基于數(shù)理統(tǒng)計(jì)、計(jì)算數(shù)學(xué)和計(jì)算機(jī)科學(xué)的交叉學(xué)科。5.3.21統(tǒng)計(jì)模型 statistical model以概率論為基礎(chǔ)，采用數(shù)學(xué)統(tǒng)計(jì)方法建立的模型。5.3.22統(tǒng)計(jì)推斷 statistical inference對(duì)抽樣調(diào)

59、查所得的樣本進(jìn)行分析，進(jìn)而由樣本推斷總體的過程。主要內(nèi)容包括參數(shù)估計(jì)和假設(shè)檢驗(yàn)。注：由于統(tǒng)計(jì)推斷是由部分(樣本)推斷整體(總體)，所得出的結(jié)論含有不確定性(5.3.41)，因此對(duì)統(tǒng)計(jì)推斷的討論必須以概率論為基礎(chǔ)。5.3.23統(tǒng)計(jì)學(xué)習(xí) statistical learning一種使用統(tǒng)計(jì)方法的機(jī)器學(xué)習(xí)。5.3.24相關(guān)向量機(jī) relevance vector machine；RVM基于貝葉斯框架構(gòu)建學(xué)習(xí)機(jī)，先驗(yàn)參數(shù)的結(jié)構(gòu)下基于主動(dòng)相關(guān)決策理論來移除不相關(guān)的點(diǎn)，從而獲得稀疏化的模型。注：屬于監(jiān)督學(xué)習(xí)方法,有別于SVM。5.3.25支持向量機(jī) support vector machine；SVM是一

60、類按監(jiān)督學(xué)習(xí)方式對(duì)數(shù)據(jù)進(jìn)行二元分類的廣義線性分類器。注：基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則構(gòu)建學(xué)習(xí)機(jī)。5.3.26主動(dòng)學(xué)習(xí) active learning學(xué)習(xí)過程中由學(xué)習(xí)器挑選未標(biāo)記樣本,并請(qǐng)求外界提供標(biāo)記信息，其目標(biāo)是使用盡可能少的查詢來取得好的學(xué)習(xí)性能。5.3.27專家系統(tǒng) expert system一種基于知識(shí)的系統(tǒng)，它根據(jù)由人類專家經(jīng)驗(yàn)開發(fā)出的知識(shí)庫進(jìn)行推理，解決某一特定領(lǐng)域或應(yīng)用范圍中的問題。注：術(shù)語“專家系統(tǒng)”有時(shí)與“基于知識(shí)的系統(tǒng)”同義來源：GBT5271.28-2001 28.01.065.3.28自然語言處理 natural language processing自然語言理解和生成及其衍