1、ICS 01.040.01CCS A 20團體標準T/CSTM 008392022材料基因工程術語Materials genome engineering - Terminology2022-08-29發布2022-11-29實施中關村材料試驗技術聯盟T/CSTM 008392022前 言本文件參照 GB/T 1.1-2020化工作導則第 1部分：術語的規定起草。第 1部分：化文件的結構和起草規則和 GB/T 20001.1編寫規則請注意本文件的某些內容可能涉及專利。本文件的發布機構不承擔識別專利的責任。本文件由中國材料與試驗團體委員會材料基因工程領域委員會（CSTM/FC97）提出。本文件由

2、中國材料與試驗團體標準委員會材料基因工程領域委員會通則技術委員會（CSTM/FC97/TC01）歸口。IT/CSTM 008392022引 言材料基因工程是材料研發的新趨勢。近年隨著對材料的深入認識、快速發展的人工智能、數據庫與材料研發相結合，出現這一新型的研究范式，即以數據驅動的科學第四范式。同時，圍繞材料基因工程領域隨之涌現，層出不窮的各類新術語。然而材料基因工程發展目前尚處于初級階段，各類術語表述不一，同一術語表述不同。從科學發展過程可以看出，只有的術語才能保證行業規范和健康發展。所以統一術語將有助于推動材料基因工程發展，促進材料學術交流，方便文獻檢索，推動材料數據庫建設，因此有必要建設

3、術語標準。從科學化、化、規范化的角度，收集 和統計材料設計、開發、生產、計算、表征、數據、應用到評價等各環節中的術語，對材料數據生產、采集、匯交、存儲、檢索、交互、挖掘、計算、安全、質量、共享、知識產權等各方面起到約束和統一要求。本術語收集的詞條來自于從 2008年以來，Web of Science引文索引數據庫、專利數據庫、數據庫、國內外 學術會議數據庫檢索統計的高頻詞。從這些材料基因工程領域使用頻繁的術語中剔除了常見材料術語，保留材料基因工程相關緊密的術語。材料基因工程是一種新興的材料研究模式，具有高度學科交叉性和學術前瞻性。為了體現這些特性，術語選擇原則是必須體現材料基因工程的特點和熱點

4、方向。本收集的術語根據通則類、計算類、數據類、制備類、表征類、應用類分成6類術語。在術語基礎上衍生的詞條以同一索引號下多級編號，形成分層關系。通過分類和分層實現材料基因工程術語體系建設。術語建設必須具備開放性。術語體系建設不是一蹴而就，一勞永逸，需要不斷更新和擴展，所以本術語材料基因工程特點。將與時俱進，調整和補充材料基因工程領域的術語，保證實時體現通過建立材料基因工程術語，實現示范材料的通用、分類以及技術，從而形成材料的系列術語體系，既反映材料基因工程的熱點和特點，又支持材料數據庫技術研究和大數據技術研究工作，共同支撐新材料數據平臺的建設，提升新材料產業自主創新能力和綜合競爭力。1T/CST

5、M 008392022材料基因工程術語1范圍本文件界定了材料基因工程領域中的通用類、計算類、數據類、制備類、表征類、應用類術語規范性表述。本文件適用于材料基因工程領域的科學研究、教學和應用。2規范性引用文件本文件沒有規范性引用文件。3.詞條分類材料基因工程術語詞條按通用類、計算類、數據類、制備類、表征類和應用類分類。4詞條要素.1詞條要素構成每類術語包括若干詞條。每個詞條由必需的要素構成，包括索引號，一個術語或者幾個同義術語和縮寫，定義。同一個術語可由不同領域的詞條定義，一個詞條可以包括注解或者便于理解概念的示例。每個詞條根據需要，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（對

6、發布的本文件所有語言是公共的）b)術語或者某語言中首選術語；c)首選術語（根據GB/T4880.1-2005的規則標明）；d)術語的縮寫；e)許可的同義術語；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語在定義、注解、示例中用黑體字印刷時，表示該術語已在其他詞條定義過。4.3定義中尖括弧的用法對于一些具有普遍含義的術語，在術語定義句首，放在尖括弧的文字指明該術語的特定應用范圍或者領域。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語定義來源，術語詞典及版本詳細信息參考附件文獻列表。5.術語和定義5.1通用類5.1.11T/CSTM 008392022

7、材料基因工程 materials genome engineering一種材料科學的新型研發理念，顛覆了傳統的“試錯法”，以“數據人工智能”為標志的數據驅動模式，實現新材料及工藝的理性設計和研究。在此模式下，材料研究活動圍繞數據產生與數據處理展開，使掌握成分-組織-工藝-性能間關聯規律的速度更快、效率更高、成本更少。5.1.2大數據 big data具有體量巨大、來源多樣、生成極快且多變等特征，并且難以用傳統數據體系結構有效處理的包含大量數據集的數據。注：國際上，大數據的4個特征直接用volume、variety、velocity、variability予以表述，分別賦予它們在大數據語境下的定

8、義。來源：GB/T 35295-2017，2.1.15.1.3數據集 data set集合數據記錄匯聚形式。5.1.4元數據 meta data關于數據的數據。來源：GB/T19710-2005,4.5注：包括描述材料樣品信息、源數據、衍生數據的數據，描述數據的內容、產生、應用、共享、聯系以及其他特征，幫助人們更好獲取、管理、認識、利用數據。5.1.5材料數據 materials data反映材料成分、結構、性能的各類數據，來自于實驗、計算、分析、文獻等途徑，根據數據通則標準，分為樣品信息、源數據、衍生數據，可以通過數據分析和挖掘進一步建立材料性能和數據之間的聯系。5.1.5.1材料數據集 m

9、aterials dataset面向材料應用，按照數據結構組織、存儲和管理的數據集合。5.1.5.2數據獲取 data acquisition通過實驗、表征、計算、模擬等手段，采集材料成分、組織、性能、服役相關數據的過程。5.1.5.3數據挖掘 data mining對材料數據庫中的數據通過統計、人工智能等算法進行抽取、轉化、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的過程。5.1.5.4數據查詢 data access數據訪問用戶檢索、瀏覽數據，甚至進一步利用數據潛力的過程。5.1.5.5數據交換 data exchange指將源模式下的數據結構轉換為目

10、標模式下的數據結構的過程。5.1.5.62T/CSTM 008392022數據字典 data dictionary對每個元數據元素和元數據實體中的中文名稱、英文名稱、縮寫名、定義、數據類型、值域、約束/條件和最大出現次數等屬性進行完整說明。通常包括數據項、數據結構、數據流、數據存儲和基本加工五個部分。其中數據項是數據的最小組成單位，若干個數據項可以組成一個數據結構。通過對數據項和數據結構的定義來描述數據流、數據存儲的邏輯內容。注1：(1)數據項：是不可再分的數據單位。(2)數據結構：反映了數據之間的組合關系。(3)數據流：是數據結構在系統內傳輸的路徑。(4)數據存儲：是數據結構停留或保存的地方

11、，也是數據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構化語言、判定表或判定樹來描述。注2：數據字典一般有手工建立和利用計算機輔助建立并維護兩種形式。前者按各條目規范的格式印制、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建立字典的數據庫文件，以便于字典的修改、查詢和印刷。5.1.5.7數據存儲 data storage對于材料研發領域產生的各類數據進行有效存儲和管理的技術。5.1.5.8數據評價 data evaluation對材料數據的內容、質量、可靠性、價值、生命周期進行判斷的過程5.1.5.9數據安全 data security在數據的

12、使用和交換過程中，保護在存儲、處理過程中的數據不被破壞、泄露、篡改或非授權使用而采取的措施及技術。注：可以采用一定的安全機制，按照不同等級的權限對數據進行處理，保護數據所有者的權益。5.1.5.10數據管理 data management指對數據進行管理、維護、存儲、評價、備份以及對其他用戶授予數據訪問權限等全面操作。5.1.5.11數據原則 data principle指遵循FAIR的原則， FAIR是Findable（可發現）,Accessible（可獲取）,Interoperable（可互操作）, Reusable（可再利用）英文單詞首字母組合。注：參見可發現(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，材料科學尚無特定的、科學的、明確的、普遍的微觀組織結構。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，材料科學尚無特定的、科學的、明確的、普遍的微觀組織結構集合。5.1.7高通量 high throughput在材料基因工程領域，指在較短時間內處理大量樣品，支持相應數據的技術體系，具有微量、快速、靈敏和準確等特點，相關技術可應用于材料制備、材料表征、材料計算、材料篩選等方

14、向。3T/CSTM 0083920225.1.7.1高通量技術 high throughput technology高通量方法 high throughput method借鑒生物研究理念，材料研究中如何實現高通量、多任務、多通道、高并發等目的的技術。5.1.7.2高通量工藝開發 high throughput process development為了實現快速處理目的，研發高通量技術（5.1.7.1）的過程。5.1.7.3高通量計算材料基礎設施 high throughput computational materials infrastructure通過計算機網絡，將高性能計算、海量數據、

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算篩選的信息化基礎設施或者平臺，包括能用于實現高通量材料計算的各種資源、軟件和設備等。5.1.7.4高通量實驗 high throughput experiment材料基因工程方法之一,不同于傳統樣品制備實驗手段。這一方式借鑒生物和制藥研究方法，以小尺寸，大批量、并行特征的實驗新型手段應用于材料研發，具有快速、靈敏、準確、高效率特點。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現大批量材料生產。5.1.7.7高通量計算 high throughput calculation區別于傳統計算方法，能夠并行大批量實現計算目標的高效率計算技術。5.1.7.8高通量表征 high throughput characterization區別于傳統表征方法，能夠并行大批量實現材料樣品分析的高效率表征技術。5.1.7.9高通量分析 high throughput analysis以微板形式作為分析載體，自動化操作系統執行分析過程，靈敏快速的檢測儀器采集實驗結果數據，計算機分析處理實驗數據，在同一時間檢測數以千萬的樣品，并得到的相應數據的過程，它具有微量、快速、靈敏

17、和準確等特點。注：高通量技術常應用于測量和測試中。5.1.7.10高通量測量 high throughput measurement高通量測試 high throughput testing基于高通量測量設備或編寫專門的程序，按一定流程實現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基于高通量設備對大批量的實驗樣品進行對比，選擇優化材料成分范圍的過程。5.1.7.12高通量計算篩選 high throughput computational screening4T/CSTM 008392022通過材料計算尋找、篩選、替代或優化材料組

18、成的基本構建單元，從而“構建”新的化合物，并計算其相關物性，同時結合材料信息學相關技術將數據、代碼和材料計算軟件進行集成，通過數據挖掘盡可能建立起材料組分、結構和性能的定量關系模型用于指導新材料設計。5.1.7.13高通量搜索 high throughput search從已有的材料數據中通過高通量技術進行數據優化，挑選最佳的材料成分、工藝參數等。5.1.7.14高通量處理 high throughput processing指材料制備過程中，應用高通量技術對材料樣品進行準備過程。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、高速的平臺進行，具備快速高效特點。5.1.8數據標識符 data identifier標識符 identifier標識數據的符號，通常由字母和數字以及其它字符構成，滿足FAIR原則需要，實現數據之間聯系。5.1.9樣品信息 sample information依據材料基因工程數據通則，指材料樣品的成分、標識，制備條件等信息。5.1.10原始數據 source data測量或計算產生的，未經處理過的數據。來源：T/CSTM 00120-2019，3.4，有修改注：也稱為源數據，為避免與元數據混淆，

20、修訂稱為原始數據。5.1.11衍生數據 derived data對源數據或者衍生數據進行分析后產生的結果數據。來源：T/CSTM 00120-2019，3.55.1.12材料信息學 materials informatics利用信息技術與技術對材料信息進行收集、存儲、加工、檢索、提取、交換、傳輸、分析、研究和應用的學科。5.1.13納米材料 nanomaterials任一外部維度、內部或表面結構處于納米尺度（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，包括團簇。常見的有納米粒子，超細粒子，超細粉，煙粒子，人造原子，量子點，原子團簇及納米團簇等。5.1.13.25T/CSTM 008392022一維材料 one-dimensional materials指電子僅在一個維度的納米尺度方向上自由運動（直線運動），如納米線性結材料、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，指電子僅可在兩個維度的納米尺度（1nm100nm）上自由運動（平面運動）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指電子可以在三個維度的納米尺度上自由運動，如納米粉末高壓成型或控制金屬液體結晶而得到的納米晶粒結構（納米結構材料）。5.1.14本體 ontology對一個論域中存在的概念及其關系和性質進行可共享的、可形式的、可顯現的描述。注：使用該本體所建立的模型可以被其他人員或系統共享。5.1.15表型 phenotype某一研究對象所能顯現出的性狀的總和。5.1.16材料研究 materials research從事材料開發和性能改進使之得以應用的行為。5.1.16.1材料開發 materials development為研究新材料或者提升已有材料性能

23、進行的活動。5.1.16.2材料表征 materials characterization運用各種技術和方式對材料成分、性能、組織等特點進行檢測、觀察、記錄的過程。5.1.16.3材料發現 materials discovery通過理論和計算預測材料的組分、結構與性能，實現新材料發現和性能拓展。5.1.16.4材料非線性 materials nonlinearity指材料行為與成分、組織、物理環境之間不是簡單線性關系，而是復雜、耦合關系。5.1.16.5材料分類 materials classification材料按照化學組成可以分為金屬材料、無機非金屬材料、高分子材料和復合材料。5.1.16

24、.6材料工程 materials engineering以材料科學原理為基礎，研究、開發、生產和應用各種材料的工程領域。5.1.16.7材料合成 materials synthesis通過一定途徑，從氣態、液態或者固態的各種原材料中得到化學成分、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 materials science結合固體物理、無機化學、有機化學與物理化學等學科發展推動了物質結構和物理化學性質的研究，從而對材料制備、成分、結構與性能以及之間關系認識愈加深入的一門學科。5.1.16.9材料加工 materials processing

25、為了實現應用，對材料進行性能、形狀和尺寸改變的過程。5.1.16.10材料檢測 materials test對原材料的成分分析、測量、無損傷檢測和環境模擬測試等。5.1.16.11材料建模 materials modeling為了研究材料成分、組織和性能關系建立的模型的行為和過程。5.1.16.12材料預測 materials prediction通過理論模型預測材料組織、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用于標識材料樣品、成分、特征、性能、工藝等

26、符號。5.1.16.15材料模擬 materials simulation根據實際材料問題建立模型，對真實材料及其體系和過程進行求解計算或模擬，以獲知所模擬系統的某些關鍵性特征的一類研究方法。5.1.16.16材料篩選 materials screening從多個備選材料中，依據一定要求和規則縮小材料選擇范圍，尋找潛能滿足需要的過程。5.1.16.17材料設計 materials design通過理論和計算預測材料的組分、結構與性能的行為。5.1.16.18材料辨識 materials identification在豐富的材料數據庫中，通過材料數據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材料識別 materials recognition指應用人工智能對材料種類、特性、樣品的辨別和標識。5.1.16.20材料分形 fractal of materials界面失穩引起材料幾何分形與界面形態的演變。5.1.16.21材料知識 materials knowledge7T/CSTM 008392022指以材料科學和認知體系，在材料基因工程領域中，指數據挖掘獲得的有價值信息。5.1.16.22材料知識系統 materials knowledge system材料基因工程領域中，材料數據有價值信息的體系。5.1.16.23材料數據庫 materials database用于

28、材料數據存儲、查詢、管理、處理的數據庫。在材料基因工程中，是不可或缺的重要組成部分。5.1.16.24數據庫中的知識發現 knowledge discovery in databases；KDD從原始數據中提煉出有意義的、簡潔的知識，直接提供給使用者，是數據挖掘的一種更廣義的說法。注：基于數據庫的知識發現(KDD)和數據挖掘還存在著混淆，通常這兩個術語替換使用。KDD表示將低層數據轉換為高層知識的整個過程。而數據挖掘可認為是觀察數據中模式或模型的抽取。雖然數據挖掘是知識發現過程的核心，但它通常僅是數據庫中的知識發現的一部分。5.1.16.25材料特性預測 material properties

29、 prediction在材料基因工程領域，指基于材料物理、化學、力學方面認識，通過數學建模，數值模擬和回歸等人工智能手段預測材料性能。5.1.16.26材料集成 materials integration材料一體化在材料基因工程領域，指材料計算、模擬、服役等研究活動集成。5.1.16.27材料基因組計劃 material genome initiative；MGI美國在2011年啟動的一項科學計劃，這一計劃是基于材料計算指導實驗的材料新型研究模式，目的在于加快研究材料進程。翻倍加快材料研發速度，減半降低材料研發成本是這一計劃的特點。5.1.17超晶格 super lattice由兩種或多種厚度

30、在納米量級的半導體材料構成的周期性交替層結構。在這種結構中，相鄰勢阱中的電子可以互相耦合，使得原來分立的能級展寬成為微小能帶。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系。注：成分分布是成分數據之一，反映材料成分的數據，與樣品信息有關。5.1.19尺寸效應 size effect由材料整體或局部尺寸的微小化引起的機理及性能等特異性變化的現象。5.1.20多變量分析 multivariate analysis針對統計資料中同時存在多個變量（或稱因素、指標）時的統計分析方法。隨著計算機能力提高，該方法更為普遍在材料基因工程中應

31、用。它為統計方法的一種，是統計學的重要分支，是單變量統計的擴展。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結合多個尺度研究材料的方法。5.1.21.2多尺度分析 multi-scale analysis對材料基于微觀、介觀、宏觀不同尺度的研究。5.1.21.3多尺度建模 multi-scale modeling在材料基因工程領域，對材料進行包含原子(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聯的計算機

32、仿真行為。5.1.21.4多尺度模擬 multi-scale simulation結合全部原子（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多尺度設計 multi-scale design基于微觀、介觀、宏觀等多尺度進行材料結構設計獲得期望的性能。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、熱、電、磁等物理環境。5.1.23.1多物理場建模 multiphysics modeling綜合考慮力學、熱、電、磁等物理環境下的材料性能模型。5.1.24多相 multi-phase材料中具備多個不同微觀組織的結構。5.1.24.1多相材料 multi-phase materials指材料由多種不同組織構成。5.1.25多材質 multi-material指不同物質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、生化等作用后具有特定功能的材料。9T/CSTM 0083920225.1.27構效關系 structure-a

34、ctivity relationship結構與性能之間存在直接或者間接關系。5.1.28關鍵維度 critical dimension決定材料性能的方向。5.1.29合金設計 alloy design基于元素和含量、性能的定量認識，通過模型設計合金的成分、數量，滿足性能要求。5.1.30集成計算材料工程 integrated computational materials engineering；ICME結合物理、化學、力學、材料等多學科對材料復雜行為進行建模和計算,實現材料設計目的。注：基于多尺度材料模型和計算模擬集成設計材料及相關工藝，并將其應用于工程設計制作的一類方法學。有時又扼要解釋為

35、使用多尺度材料建模振興科學工程設計的方法學。ICME主要是將計算工具得到的材料信息與工業產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劃（Material Genome Initiative MGI）關系密切。材料基因組計劃還考慮了數據驅動的作用，提出了加快研究速度和降低研究成本的目標。5.1.31晶體結構預測 crystal structure prediction通過計算機軟件預計晶體生長方向和晶面的能力。5.1.32計算材料學 computational materials science材料科學與計算機科學的交叉學科，綜合材料科學、數學、物理學、化學以及機械工

36、程等學科而發展，是連接材料學理論與實驗的橋梁，對材料組織結構和性能進行建模、模擬仿真計算和預測預報，是關于材料組成、結構、性能、服役性能的模擬與設計學科。5.1.33數學建模 mathematical model根據實際問題來建立數學模型，對數學模型來進行求解，然后根據結果去解決實際問題。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拓撲 topology研究幾何圖形或空間在連續改變形狀后某些性質保持不變的一個學科。它只考慮物體間的位置關系而不考慮它們的形狀和大小。5.1.35

37、.1拓撲優化 topology optimization一種根據給定的負載情況、約束條件和性能指標，在給定的區域內對材料分布進行優化的數學方法，是結構優化的一種。結構優化可分為尺寸優化、形狀優化、形貌優化和拓撲優化。5.1.36相變 phase transformation10T/CSTM 008392022一個有大量原子或者分子構成的系統，在一定外部約束條件下達到平衡時，系統內形成一個或多個相互區別的均勻區域，稱為相。當外界施加的約束條件（如溫度、壓強、磁場強度等）改變時，引起系統中相的數目或者相的性質發生變化的現象。5.1.37相圖 phase diagram在給定條件下體系中各相達到平衡

38、后，環境約束（如溫度和壓力）、穩定相態、相組成及熱力學變量（如化學勢、摩爾焓、摩爾熵等）間相互關系的幾何表達，即表示平衡條件下的系統狀態圖。5.1.38相圖計算 calculation of phase diagram； CALPHAD指運用熱力學原理計算一個體系的相平衡關系和繪制相圖。利用這種方法可以在已有化合物材料基礎上預測和設計具有某種特定結構和性能的新材料。5.1.39異質材料 heterogeneous materials由兩種不同元素或者不同成分、組織的材料所構成的材料。5.1.40異質結 heterojunction由兩種不同元素或者不同成分材料所構成的結型材料。注：常用于研究物

39、質的擴散行為。5.1.41異質結構 heterostructure由兩種不同元素或者不同成分材料所構成的結構。5.1.42有序-無序轉變 order-disorder transition無序結構和有序結構間的相互轉化。注：通常高溫有利于向無序相轉化，低溫則有利于向有序相轉化。有序-無序轉化會影響物質的物理性質和化學性質。5.1.43增材制造 additive manufacturing3D打印 3D printing融合了計算機輔助設計、材料加工與成型技術、以數字模型文件為基礎，通過軟件與數控系統將專用的金屬材料、非金屬材料以及醫用生物材料，按照擠壓、燒結、熔融、光固化、噴射等方式逐層堆積，

40、制造出實體物品的制造技術。5.1.44綜合分析 integrated analysis在材料基因工程領域，結合各種分析手段對材料性能和特征行為進行研究。注：一般指通過實驗和計算兩個方面進行。5.1.45組學 omics生物科學研究發現單純研究某一方向（基因組，蛋白質組，轉錄組等）無法解釋全部生物醫學問題，提出從整體角度出發研究人類組織細胞結構，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，為探索人類疾病的發病機制提供新的思路。注：受此啟發出現基因組(genome)和基因組學(genomics)兩個名詞，過去10年“組omes”和“組學omics”成為科學界的流行

41、語，部分組學已經被確立為一個重要的知識體系和研究領域。11T/CSTM 0083920225.1.46系綜 ensemble由宏觀性質完全相同而微觀性質各不相同的大數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、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，是統計力學中系綜的一種。5.1.47可發現 findable指數據及其元數據被賦予全球性唯一并持久的標識，數據被豐富的元數據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、員與機器)方便地找到。5.1.48可獲取 accessible指數據及其元數據可使用通訊協議通過標識查詢并獲取。5.1.49可互操作 interoperable指數據及其元數據的表達使用正式、可獲得、共享和廣泛使用的語言。5.1.50可再利用 reusable指數據及其元數據由多種準確并相關的特征所描述，與細致的出處信息相關聯并符合相關領域的標準，從而被不同用戶(人員與機器)方便地使用。5.2計算類5.2.1高性能計算 high performance computing通常指使用多臺處理器組成的高性能計算系統所執行的計算。5.2.2有限元法 finite elements method將連續

43、體離散化為若干有限大小的單元體，建立模型對實際物理問題進行模擬求解的分析方法。5.2.3第一性原理計算 first principle calculation根據原子核和電子互相作用的原理及其基本運動規律，運用量子力學原理，經過近似處理后直接求解薛定諤方程的算法。被廣泛應用在化學、物理、生命科學和材料學等領域。注：可以確定已知材料的結構和基礎性質，并實現原子級別的精準控制，是現階段解決實驗理論問題和預測新材料結構性能的有力工具。由于不需要開展真實的實驗，極大地節省了實驗成本。5.2.3.1從頭計算 ab initio calculation狹義指不使用經驗參數，只基于電子質量，原子核質量等少數

44、實驗數據進行計算，進而獲得物質分子結構和性質參數的過程。注：與5.2.3第一性原理計算同義。5.2.412T/CSTM 008392022格子玻爾茲曼方法 lattice Boltzmann method一種基于細觀尺度模型和通過對玻爾茲曼方程進行離散，得到離散玻爾茲曼方程作為理論基礎的模擬方法。5.2.5分子動力學 molecular dynamics；MD一種分子模擬方法，依靠牛頓力學模擬分子體系的運動，以粒子位置和動力學信息為基礎，計算體系的熱力學量和進一步獲得其它宏觀性質。屬于微觀尺度的模擬方法。5.2.5.1高通量分子動力學計算 high throughput molecular d

45、ynamics以高通量方式進行分子動力學模擬的方法和技術。5.2.6相場法 phase-field method考慮化學場、晶體場、結構場隨時間和空間變化下，以態變量離散化形式處理固態和液態相變動力學的一種微觀組織模擬方法。注：20世紀80年代中期，Langer，Caginalp提出相場模型，以克服界面追蹤法的缺點，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。相場模型的基礎是Ginzburg-Landau方程，通過引入一個或一組僅在界面區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時表示固相;等于-1或0時表示液相;其他值時為界面)，并與其他場變量(如溶質場、溫度場、應力場等)結合起來描述組織演化問題。5.2.7多場耦合 multi-field coupling多個物理場（溫度場，應力場，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基于熱動力學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，應用量子力學理論的材料性能計算。5.2.10本構方程 constitutiv

47、e equation表述金屬材料變形時，應力或應力對時間的變化率同應變或應變速率之間關系的物性方程，也稱本構關系。它反映了材料性質等因素對上述關系的影響，是金屬塑性加工力學的重要方程之一。5.2.11密度泛函理論 density functional theory一種研究多電子體系電子結構的方法。密度泛函理論在物理和化學上都有廣泛的應用，特別是研究分子和凝聚態的性質，是凝聚態物理計算材料學和計算化學領域最常用的方法之一。5.2.12能帶結構 band structure周期性晶格的量子動力學電子波衍射引起的現象。材料的能帶結構決定了多種特性，特別是材料電子學和光學性質。13T/CSTM 008

48、3920225.2.13均質化 homogenization在細觀尺度下對非均質材料中呈現出周期性的單胞堆積結構，以單胞作為代表性體積單元RVE，建立力學模型，利用能量極值原理計算變分，得出基本求解方程，再利用周期性條件均勻化條件及數學變換，聯立求解，然后通過類比得到宏觀等效的彈性系數張量，或者運用漸進展開和平均法得到細觀尺度下RVE的場響應平均作為宏觀整體性質。5.2.14自適應網格細化 adaptive mesh refinement有限元計算中，在變化較為劇烈的區域，如大變形、激波面、接觸間斷面和滑移面等，網格在迭代過程不斷調節細化，實現網格點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。5.3數據類5.3.1大數據挖掘 big data mining大數據分析 big data analytics從海量數據找到值得參考的樣型或規則，轉換成有價值的信息、洞察或知識，創造更多新價值。注：參見大數據(5.1.3)。5.3.2機器學習 machine learning計算機通過對數據、事實或自身經驗的自動分析和綜合獲取知識的過程。5.3.2.1機器學習算法 machine learning algorithm實現機器學習目的的計算機指令序列。5.3.2.2機器學習方法 machine learning method具有通用性的解決機器學習的規則和程序。5.3.2.3機器學

50、習模型 machine learning model實現機器學習目的的抽象表示集合。5.3.2.4機器學習技術 machine learning technique指機器學習的方法及方法原理。5.3.3遷移學習 transfer learning一種機器學習方法，任務 A開發模型作為初始點，重新使用在為任務 B開發模型的過程。5.3.4監督學習 supervised learning當訓練樣本的期望輸出已知，學習目的是對新樣本的輸出進行預測，典型任務包括分類和回歸。5.3.5半監督學習 semi-supervised learning監督學習與無監督學習相結合的一種學習方法。半監督學習使用大量

51、的未標記數據，以及同時使用標記數據，來進行模式識別工作。5.3.614T/CSTM 008392022無監督學習 unsupervised learning對沒有類別標記的樣本進行學習，學習目的通常是發現數據內在結構，典型任務是聚類和降維。5.3.7貝葉斯統計 Bayesian statistics英國學者托馬斯貝葉斯提出一種歸納推理的理論，后被統計學者發展為一種系統的統計推斷方法，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計方法。5.3.7.2貝葉斯網絡 Bayesian network一種不確定知識表達和推理領域的理論模型。5

52、.3.7.3貝葉斯優化 Bayesian optimization對貝葉斯算法進一步優化的過程。5.3.8大規模并行處理 massively parallel processing；MPP將大量處理器按照一定的拓撲結構互連在一起，實現大規模計算的一種并行處理技術。5.3.9分類 classification在材料基因工程領域領域，數據挖掘中按照種類、等級或性質分別歸類。通常基于樣本數據先訓練構建分類函數或者分類模型(也稱為分類器)，具有將待分類數據項映射到某一特點類別的功能。5.3.9.1分類方法 classification method在人工智能領域，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、決策樹和神經網絡分類算法。5.3.9.3樸素貝葉斯分類器 naive Bayesian classifier基于貝葉斯定理，通過計算給定實例屬于一個特定類的概率來對給定實例進行分類。5.3.10回歸 regression在材料基因工程領域，一般指研究一組隨機變量(Y1，Y2， Yi)和另一組(X1，X2， Xk)變量之間關系的統計分析方法。注：回歸與分類是人工智能兩個主要研究方向。5.3.10.1多元回歸 multivariate regression通過對兩個或兩個以上的自變量與一個因變量的相

54、關分析，建立預測模型進行預測的方法。5.3.11機器視覺 machine vision通過傳感器等機械、電子實現人類的可視能力，輸出電子信號。5.3.1215T/CSTM 008392022集成 ensemble在材料基因工程領域，結合多個“個體學習器”的策略。5.3.12.1集成分類器 ensemble classifier實現集成學習的學習器。5.3.12.2集成機器學習 ensemble machine learning集成學習 ensemble learning通過構建并結合多個學習器完成學習任務，有時也被稱為多分類器系統。5.3.13聚類 clustering在材料基因工程領域，采用

55、統計分析算法實現樣品或指標分類，是數據挖掘重要算法之一。5.3.13.1聚類分析 clustering analysis將實際對象或抽象對象(一般指樣品或指標)的集合分組為類似對象組成的多個類(簇)的分析過程。5.3.13.2聚類算法 clustering algorithm研究對象(一般指樣品或指標)分類問題的一種統計分析方法，也是數據挖掘的一個重要算法。5.3.13.3層次聚類 hierarchical clustering一種重要的無監督學習方法。該方法通過合并和分裂途徑來實現。合并時，先使每個樣本各成一類，然后通過合并不同的類，來減少類別數目。分裂時，先將所有樣本歸入一類，然后通過后續

56、分裂，來增加類別數目。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卷積神經網絡 convolutional neural network一類包含卷積計算且具有深度結構的前饋神經網絡，是深度學習的代表算法之一。5.3.15決策支持系統 decision support systems；DSS輔助決策者通過數據、模型、知識以及人機交互方式進行半結構化或非結構化決策的計算機應用系統。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境，調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量。這是一門綜合經濟管理理論、決策科學、控制論、行為科學和計算機科學的邊緣性科學

57、，它已廣泛用于企業決策管理、戰略研究與規劃、經濟分析和資源管理等部門。材料基因工程有應用。5.3.16決策樹 decision tree直觀運用概率分析的一種圖解法。基于已知各種情況發生概率，評價項目風險，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深度機器學習 deep machine learning深度學習 deep learning可理解為進行“特征學習”或“表示學習”,通過多層處理，將初始“低層”特征表示轉化為“高層”特征后，用“簡單模型”實現復雜的分類等學習任務。注：常見方式有深度卷積神經網絡，自編碼神經網絡，深度置信網絡等方式。16T/CSTM 0

58、083920225.3.18深度卷積神經網絡 deep convolutional neural network基于卷積運算的神經網絡系統。注：參見卷積神經網絡(5.3.14)。5.3.19統計數據分析 statistical data analysis指運用統計方法及與分析對象有關的知識，結合定量與定性進行的研究。5.3.20統計計算 statistical computing基于數理統計、計算數學和計算機科學的交叉學科。5.3.21統計模型 statistical model以概率論為基礎，采用數學統計方法建立的模型。5.3.22統計推斷 statistical inference對抽樣調

59、查所得的樣本進行分析，進而由樣本推斷總體的過程。主要內容包括參數估計和假設檢驗。注：由于統計推斷是由部分(樣本)推斷整體(總體)，所得出的結論含有不確定性(5.3.41)，因此對統計推斷的討論必須以概率論為基礎。5.3.23統計學習 statistical learning一種使用統計方法的機器學習。5.3.24相關向量機 relevance vector machine；RVM基于貝葉斯框架構建學習機，先驗參數的結構下基于主動相關決策理論來移除不相關的點，從而獲得稀疏化的模型。注：屬于監督學習方法,有別于SVM。5.3.25支持向量機 support vector machine；SVM是一

60、類按監督學習方式對數據進行二元分類的廣義線性分類器。注：基于結構風險最小化原則構建學習機。5.3.26主動學習 active learning學習過程中由學習器挑選未標記樣本,并請求外界提供標記信息，其目標是使用盡可能少的查詢來取得好的學習性能。5.3.27專家系統 expert system一種基于知識的系統，它根據由人類專家經驗開發出的知識庫進行推理，解決某一特定領域或應用范圍中的問題。注：術語“專家系統”有時與“基于知識的系統”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