美国“材料基因组计划”（Materials Genome Initiative，MGI）自2011年启动，总的思路是将最强计算（包括人工智能和机器学习）与材料科学领域的最佳创意相结合，缩短新产品的开发时间，使美国在最高需求制造业和新兴技术市场更具竞争力。该计划非常认同的是，开发先进材料对于应对来自能源、超级计算、国家安全和医疗保健领域的挑战至关重要。
在起始阶段，当该计划一开始建立时，由于创建者正在构建其信息技术基础设施，因此进展缓慢。首先，必须找到可行的方法来收集有关材料的信息，然后存储和操控这些信息。计算能力必须满足创新者的需求。
该计划实施以来，一个早期成功案例来自冶金行业。造币厂要求美国国家标准与技术研究院（NIST）的科学家研究5美分硬币的新配方，这是由于全球对镍作为合金元素的需求日益增加，制造镍币的成本升至了7美分。NIST的研究人员没有从材料开始，围绕材料限制设计产品，而是根据造币厂提出的一系列需求，来设计满足产品需求的材料。利用已有的设施装备，研究人员仅用18个月设计出了不同类别的硬币材料，显著短于采用传统方法所需的3-5年时间。研究团队把相关数据提交给了材料创新设施，使得其他人员在将来可以更轻松地设计新的硬币材料。这正如新硬币项目负责人Carelyn Campbell所说，材料基因组计划的一个重要目标就是使材料数据更易于获取和重复使用。
除了众人熟知的材料，该计划也鼓励新型（新兴）材料所需的基础研究。以石墨烯为例。2018年1月，该计划资助的NIST团队研究发现，通过模拟石墨烯薄片熔化，如果加热至1600K（约1327℃）以上，石墨烯将转变成粘液态，并像纸一样皱折，冷却成玻璃态后变成“泡沫状”。这些特质使石墨烯可成为高温下的优异润滑材料，并在室温下可作为过滤材料。此外，该材料抑或是一种强大的灭火剂。这些信息可能对世界上急需在制造过程中使用石墨烯的其他人非常有帮助。
由NIST资助、位于芝加哥的先进材料卓越研究机构——分级材料设计中心（Center for Hierarchical Materials Design，CHiMaD）汇集了众多专注于材料基因组计划目标的行业合作伙伴和顾问，涉及结构工程、半导体、软件与IT服务、化学工程和糖果制造等。迄今为止，该中心已与300多名本科生、毕业生、博士后研究人员和专业人士合作，教导他们探索新材料，并分享在公共和私营部门与他人学到的知识，以推动未来整个材料领域的发展。
NIST数据存储与检索专家Bob Hanisch指出，当前有很多机器学习方法可供选择，但是有很多陷阱。如果没有相关背景，任何类型的机器学习算法的结果都将只是徒劳。可以根据材料的性质和性能来标记材料微结构的图像，然后进行编目。一段时间后，特定的机器学习系统将开始检测样品。但这只是数据收集工作。机器学习算法对物质世界一无所知，需要有输入系统的背景信息。此外，为克服不同研究人员使用不同术语描述相同主题、过程和材料组分的弊端，NIST开发了基于web的材料资源注册表，想要提交数据的人员必须使用Hanisch及其团队开发的列表中的预定义词汇表。
在数据库开发方面，2018年，一支由NIST、能源部SLAC国家加速器实验室、美国西北大学和硅谷企业Citrine Informatics组成的联合团队宣布，利用机器学习技术找到了一条发现和改进金属玻璃的捷径，所耗费时间和成本只是先前估算的很少一部分。在过去50年里，人们发现了约6000种可形成金属玻璃的不同材料组合；而通过机器学习，材料基因组计划资助的该团队仅一年时间就能够筛选出逾20000种可用于制备玻璃的金属。
NIST的材料基因组计划负责人Jim Warren说，该计划每年可为美国经济带来1230亿-2700亿美元的资金。一旦基础设施建好，各种新的商业模式将会涌现。这对于材料领域的发展来说是一件好事。
中科院武汉文献情报中心供稿
