Strategy for Promoting the Basic Capabilities of Frontier New Materials Industry

  • Xuefeng Liu 1 ,
  • Changsheng Liu 2 ,
  • Jianxin Xie 1
Expand
  • 1.Beijing Advanced Innovation Center for Materials Genome Engineering, Beijing 100083, China;
  • 2.School of Materials Science and Engineering, East China University of Science and Technology, Shanghai 200237, China

Received date: 09 Aug 2021

Published date: 26 Apr 2022

Abstract

In this article, we focus on the current status and problems regarding the basic capabilities of the frontier new materials industry in cutting-edge fields such as brain-like intelligence, artificial intelligence, deep space exploration, network security, and efficient energy conversion. Considering the phased development plans in 2025 and 2035, we propose the development goals and strategies for promoting the basic capabilities of China’s frontier new materials industry in terms of scientific and technological innovation, support, competitiveness, sustainable development, infrastructure construction, and industrial ecological environment. To meet the requirements of the new round of scientific and technological revolution and industrial transformation for frontier new materials, countermeasures and suggestions are proposed from the following aspects: material genetic engineering, double circulation, carbon peak and carbon neutrality, and testing and characterization of independent frontier new materials.

Cite this article

Xuefeng Liu , Changsheng Liu , Jianxin Xie . Strategy for Promoting the Basic Capabilities of Frontier New Materials Industry[J]. Strategic Study of Chinese Academy of Engineering, 2022 , 24(2) : 29 -37 . DOI: 10.15302/J-SSCAE-2022.02.006

一、前言

前沿新材料是孕育战略性新兴产业和引领未来科技发展的具有优异性能和特殊功能的材料,具有战略性、先导性和颠覆性,兼具产业带动性强、附加值高的技术特征。发展前沿新材料产业意义重大,是决定高端制造和国防装备水平的关键因素。
类脑智能、人工智能(AI)、深空探测、网络安全、高效能量转化是前沿新材料研发和应用集中的重点领域 [1~5]。①类脑智能领域用前沿新材料是用于实现机器智能的信息处理机制类脑、认知行为表现类人、智能水平达到或超越人的材料,分为类脑智能感知材料、类脑智能功能材料、类脑功能修复材料、智能强脑前沿新材料等。② AI 领域用前沿新材料是为满足 AI 及与其交叉融合的产业发展需要而开发的新材料,具有结构多功能化、功能智能化的特点;综合性能、对环境的感知、处理及响应能力优于传统材料,分为智能高分子材料、轻质功能化金属材料、机敏复合材料等。③深空探测领域用前沿新材料是使深空探测器适应外太空、行星大气层及行星地表的超低温、强辐射、高真空、零(微)重力等多种复杂服役环境的材料,分为新一代热防护烧蚀材料、热管理材料、低温润滑材料、防尘 / 自清洁材料、缓冲吸能材料等。④网络安全领域用前沿新材料是保证网络信息保密性、完整性、可用性、可控性、可审查性、安全传递的材料,分为多波段化 / 低维化的吸波与屏蔽材料、量子信息记忆材料等。⑤高效能量转化领域用前沿新材料是转换效率高、安全性高、结构稳定性高、使用寿命长、成本低和环境负荷低的材料,分为光电光热材料、热电材料、压电材料、电致发光材料、化学能 – 电能转换材料、磁能 – 机械能转换材料等。
整体来看,全球前沿新材料产业的发展不均衡,长期积累形成国家 / 地区间高科技产业、高端制造业的差异,不可避免地沿续至前沿新材料产业基础能力的形成过程,导致目前全球前沿新材料产业三级梯队的竞争格局:美国、日本、欧洲等发达国家和地区处于第一梯队,在前沿新材料的研发实力、产业基础能力、市场占有率等方面具有明显优势;中国、韩国、俄罗斯处于第二梯队,正在高速发展;印度、巴西等国家处于第三梯队,正在奋力追赶。
在培育前沿新材料战略性新兴产业集群行动计划等产业政策的促进下,我国前沿新材料产业的发展势头良好,但存在重大原始创新能力不足,部分关键核心技术、关键原辅材料、核心装备、高端检验检测仪器等受制于人的问题。未来需对前沿新材料产业发展进行前瞻性顶层设计,积极发挥新型举国体制优势,提升前沿新材料产业科技创新基础能力、支撑保障基础能力、竞争基础能力、可持续发展基础能力,改善前沿新材料产业生态环境。针对前沿新材料多学科交叉、创新性和颠覆性强的特征,培育交叉融合创新型产业人才,将材料基因工程等前沿共性关键技术与产业发展充分结合,以此促进前沿新材料产业的跨越式发展。

二、前沿新材料产业基础能力发展现状

(一)类脑智能领域
类脑智能领域前沿新材料作为类脑智能技术的基础,正在引领类脑智能技术的发展和新一轮的科技革命。我国类脑智能领域前沿新材料的产业基础相对薄弱,在具有知识产权的新材料、关键装备软件、重大产品与系统设计、高端人才队伍等方面严重匮乏,部分关键性原辅材料被国外垄断,产业链安全存在较大隐患。在类脑智能感知材料方面,关键原辅材料中高纯合成有机试剂有近 30% 的品种完全依赖进口;用于高精细光刻技术的高端光刻胶基本依赖进口。
(二)人工智能领域
AI 产业基础与技术不断演进发展,和应用交替前进、相互牵引。当前,大量科技企业瞄准了类脑芯片、量子计算芯片、智能电子器件等底层技术进行研发,AI 产业链研究重心正在向基础层转移。由于科技创新能力不足,工业发展起步晚、底子薄,我国在 AI 领域前沿新材料产业发展过程中存在核心技术掌握不到位,中低端产能过剩与高端产品及关键材料、核心工艺等保障不足并存的问题,关键零部件、核心工艺、高性能材料等的进口比例仍然很高,被迫处于“跟跑”阶段。以覆铜板关键材料铜箔为例,国内在铜及铜合金轧制、铜箔表面处理等核心工艺及关键原辅材料等方面尚未建立具有自主知识产权的技术体系,产品主要供应低端市场,综合技术水平、质量稳定性、产品可靠性等与国际先进水平有较大差距。
(三)深空探测领域
深空探测是航天事业的重要组成部分,但平台规模小、材料用量少、性能要求高、技术难度大。我国深空探测领域前沿新材料产业具有较强的能力,保障了一系列深空探测与空间科学重大任务实施。然而深空探测前沿新材料科技创新基础能力有所欠缺,核心能力处于“跟跑”阶段;玻璃纤维蜂窝填充酚醛树脂烧蚀材料、酚醛树脂浸渍碳基体烧蚀材料等热防护烧蚀材料、纳米气凝胶、智能热控涂层等热管理材料均由发达国家率先提出,仅有超疏防尘材料等少数材料由我国科学家推动发展。关键材料的性能和产能有待提高,如空间结构广泛应用的高强高模、超高模量碳纤维亟需突破关键技术指标并建立自主生产能力。国内深空探测前沿新材料的研究与开发主要以科研院所、高校、国有航天企业为主,市场化运作机制长期欠缺,没有形成规模化产业。
(四)网络安全领域
网络安全事关经济社会发展和国家安全。我国网络安全领域前沿新材料产业的基础设施比较完善,为相关材料研发提供了有力支持。一些核心技术如第五代移动通信(5G)、量子通信走在世界前列,但涉及的关键材料、零部件等仍依赖进口,制约了相关技术的应用和推广。网络安全前沿新材料科技创新基础能力欠缺,自研产品较难满足滤波、吸波、屏蔽材料应用所提出的“薄、宽、轻、强” 综合要求。相关领域人才规模不足,企业参与度不够,产业竞争能力较弱。
(五)高效能量转化领域
高效能源转换材料是建设重大工程、研制国防装备、构建节能环保社会的重要支撑和基础保障。以光热材料、热电材料、电池材料为代表的高效能源转换材料,产能逐年增加,产业规模和市场占有率不断扩大,部分核心技术取得了实质性突破,技术指标得到大幅提升;但因起步较晚、底子薄,在核心技术、创新能力、关键产品、产业规模、重大装备等方面仍存在明显短板,与国际先进水平存在较大差距。资金、创新资源、政策等方面的支持比较分散,产业链上、下游尚未形成协同创新模式,同时科研机构与企业“产学研用”脱节,导致国产高效能量转化领域材料主要为中低端产品,难以融入全球新材料供应体系。关键零部件、核心工艺、基础材料等较高比例依赖进口,制约了前沿新材料的研发和应用。高效能源转换新材料的标准、计量、管理不健全的问题没有得到根本解决,影响了管理部门和企业对产业发展态势的准确判断,不利于合理出台扶持措施、精准安排发展重点。

三、前沿新材料产业基础能力分析

智能高分子材料、轻质高强及高功能金属材料、新型无机非金属材料、多功能复合材料等,将支撑类脑智能、AI、深空探测、网络安全、高效能量转化领域未来发展。原辅材料供应、基础工艺制造水平、产业关键核心技术、核心基础装备水平、关键基础零部件 / 元器件、基础检验检测仪器、基础工业软件等产业基础能力是前沿新材料发展的重要保障。
重点前沿新材料产业涉及近 30 种主要原辅材料,石墨烯、丙烯腈、稀土矿、钛铁矿、锂电池负极材料、卤素钙钛矿、稀土金属及氧化物、铟、镓、硒等自主可控(即 90% 以上可自主保障),生物感知凝胶、酚醛树脂、光卤石等安全可控(即 70% 以上可自主保障),铝土矿等对外依赖度大(即 50% 以上依赖进口),光刻胶、晶圆、电子特气、光掩膜、湿电子化学品、高纯铁氧体、高纯金属微粒、锂、镍、钴、发光二极管(LED)外延片及芯片、材料数据库等对外依赖度极大(即 80% 以上依赖进口)。
在重点前沿新材料的主要基础制造工艺中,激光刻蚀、高效低成本金属熔体增材制造、铸造、塑性加工成形、金属层状复合材料短流程制备加工、耐烧蚀热防护材料制造及数据挖掘等达到了国际先进水平,但第三代碳纤维复合材料制造、光刻、锂离子电池生产、热电材料制备等与国际先进水平仍有差距。未来,需要进一步突破激光刻蚀自动化精准化、连续金属液流控制与随形快冷 [6]、大规格铸锭成分均匀性控制 [7]、轻合金型材精密挤压、高界面结合强度宽幅金属复合薄板制备加工、针对前沿新材料的数据挖掘等技术,保持或扩大领先优势;在发展水平滞后的细分方向,需要打破关键核心技术封锁,提高自身研发能力,实现关键设备、原料、核心技术的持续自主创新。
在重点前沿新材料产业关键核心技术中,中国铝业股份有限公司、清华大学、北京航空材料研究院分别在铝电解技术、类脑计算、钛合金精密铸造方面达到了国际先进水平;南大光电材料股份有限公司、华为技术有限公司、中芯国际集成电路制造有限公司、长电科技股份有限公司、亚联高科股份有限公司、杉杉能源有限公司、北京科技大学、中国科学院金属研究所分别在光刻机核心技术、芯片设计制造、高端芯片封装技术与装备、LED 外延材料、锂电池材料制备技术、制氢与储氢技术、材料基因工程前沿共性技术 [8,9]、智能制造技术方面处于国内优势地位,但与国际先进水平仍有差距。当前,全球围绕重点前沿新材料产业关键核心技术主导权的竞争日趋激烈,我国加大关键核心技术的研发投入,是提升产业关键核心技术、推动产业迈向高端水平的必然选择。
在重点前沿新材料产业核心基础装备中,面光源制造设备、智能制造设备达到了国际先进水平,但大型及精密锻造设备、多晶硅提纯设备、燃料电池检测设备等与国际先进水平仍有差距(见表 1)。
表 1 产业核心基础装备水平
在重点前沿新材料产业关键基础零部件 / 元器件中,类脑计算硬件平台、激光反射薄膜等达了国际先进水平,但光刻机光源、光刻机镜头、脑机接口、高性能滤波器、掩膜版等与国际先进水平仍有差距(见表 2)。
表 2 产业关键基础零部件 / 元器件情况
在重点前沿新材料产业主要基础检验检测仪器中,材料静态万能试验机、电化学检测器、半导体器件电性能参数测试仪等达到国际先进水平,但扫描电镜、透射电镜、高端示波器等与国际先进水平仍有差距(见表 3)。
表 3 主要基础检验检测仪器自主保障情况
基础工业软件是智能制造、工业互联网以及众多高科技产品设计制造的基本保障。在重点前沿新材料产业基础工业软件中,高通量计算软件、工程设计中的计算机辅助工程(CAE)等多种软件与国际先进水平有明显差距(见表 4),是工业行业中的薄弱领域。
表 4 基础工业软件自主保障情况

四、提升前沿新材料产业基础能力的发展目标与重点举措

(一)发展目标
面向 2025 年,前沿新材料产业将围绕前沿新材料设计、前沿新材料制造装置、基于前沿新材料的核心器件大面积制造及相关测试装备等方面进行重点突破,实现前沿新材料的多功能化、轻量化、智能化;研发新型智能传感 / 驱动一体化前沿新材料及其器件,攻克前沿新材料与信息技术交叉融合的关键科学问题和技术问题;技术和应用整体上与国际先进水平同步,部分达到国际领先水平。
面向 2035 年,前沿新材料产业将构建前沿共性关键技术创新体系,实现前沿新材料研发和产业发展由实验“试错法”向“数据驱动 +AI”科学“第四范式”的根本性转变;从全球前沿新材料产业的第二梯队提升至第一梯队,在产业创新能力、技术装备水平、产品市场占有率等方面达到国际领先水平。
(二)重点举措
1. 提升前沿新材料产业科技创新基础能力
开展计算材料学、材料信息学、智能制备加工等交叉学科研究,提升数据驱动材料发现、制备加工与产业推广技术原始创新能力,发展智能制造、智能增材制造、前沿新材料自主高效智能化试验等技术;组建跨学科研究团队,协同培养复合型创新人才。
2. 提升前沿新材料产业支撑保障基础能力
发展具有自主知识产权的基础工业软件以及高效计算、高效实验、AI 技术,加快大型及精密基础装备的自主研制和应用;建立前沿新材料服役反馈与迭代系统,加强原辅材料供应链安全监管;鼓励企业进行国际市场布局,降低资源风险性。
3. 提升前沿新材料产业竞争基础能力
推动企业、高校、科研院所联合建立前沿新材料高效计算、高效实验、材料数据库、材料智能制备加工等“产学研”融合创新平台;加强高效低成本制造技术研发,发展柔性制造技术;打造知名材料品牌,培育隐形冠军企业。
4. 提升前沿新材料产业可持续发展基础能力
推动高效计算、高效实验、数据驱动材料发现与制备加工等关键技术在前沿新材料全生命周期生态设计及多维评价中的应用,发展前沿新材料的清洁生产、绿色制造、循环利用与再制造等技术。
5. 加强前沿新材料产业基础设施建设
建立材料前沿共性关键技术与产业推广平台、产品质量支撑与提高体系,加快未来网络和数据中心建设;发展先进工业软件和检验检测设备,提升前沿新材料产业装备基础水平。
6. 改善前沿新材料产业生态环境
制定材料产业发展扶持政策,鼓励培养复合型创新人才;完善前沿新材料科技创新、投融资等政策法规,鼓励民间资本投资前沿新材料产业;建立前沿新材料及其共性关键技术的创新发展模式,形成平台支撑、大规模、多层次协作共享的产业生态环境。

五、对策建议

(一)材料基因工程提升前沿新材料产业基础能力
1. 构建前沿新材料创新技术体系
针对前沿新材料领域研发能力偏弱、关键材料基础创新能力不足的问题,瞄准材料高效计算设计方法与软件、高通量实验与自主实验技术、跨时空尺度材料行为表征、数据库与大数据技术等战略性和基础性问题,强化基础和应用研究,提升前沿新材料领域原始创新能力。
2. 发展前沿新材料智能设计技术
针对前沿新材料领域的材料创新设计短板,着力发展前沿新材料智能设计技术,结合计算机科学、互联网与云计算等技术,形成材料高效计算、高通量实验、材料数据融合的一体化材料智能设计技术,促进前沿新材料产业基础能力的快速发展。
3. 建设材料基因工程产业发展促进中心
以材料基因工程关键软件及关键装备的商业化、规模化应用为目标,以材料设计及生产的高效计算模拟软件、材料高通量制备与表征实验装置、材料数据与数据技术软件为产业化对象,建设材料基因工程产业发展促进中心,推动相应关键技术在材料基因工程产业化发展、规模化应用方面的作用发挥。
4. 探索材料基因工程创新型人才培养新模式
针对前沿新材料领域人才匮乏、发展动力不足等问题,推动材料科学与工程教育体系的变革。形成以材料科学理论、计算材料学、材料信息学有机融合的材料学科教育新体系和人才培养新模式;造就一批具有材料基因工程新思想、新理念并掌握材料基因工程新方法、新技术的综合型创新人才队伍,为前沿新材料的产业基础能力提升提供充足的智力支撑。
(二)双循环新发展格局下前沿新材料产业布局
1. 以动态比较优势推动前沿新材料产业跨越式发展
前沿新材料产业的部分关键领域,如半导体和高端芯片研发等是我国工业体系的短板,应充分利用动态比较优势实现市场和技术的双重追赶。通过增加人才培养投入、增强劳动力市场的竞争性和自由流动性等措施,推动前沿新材料产业的人力资源积累,改善人力资源结构,提高人力资源的生产效率。统筹各地区的前沿新材料产业规划,立足区域发展禀赋进行定位优化和差异化布局,以顶层设计调控并遏制跟风式投入。
2. 培育前沿新材料产业创新共同体
增强企业作为前沿新材料创新主体的作用,激励企业加大前沿新材料研发投入,逐步完成从习惯性跟踪仿制到主动性原始创新的转变。依托北京材料基因工程高精尖创新中心等重点科研机构,组建前沿新材料基础研发中心、前沿新材料产业共性关键技术研发中心、前沿新材料服役评价测试中心,形成前沿新材料产业计量服务体系,搭建前沿新材料创新基础和开发共享平台,由此建立前沿新材料产业创新共同体,缩短前沿新材料的研发周期并降低研发成本。
3. 建设前沿新材料产业协同创新体系
前沿新材料产业的快速发展依赖于下游应用市场的有效需求,应充分依托区域市场体系,建立以市场应用为导向的前沿新材料产业发展机制,实行以快速市场响应为基础的产品创新。合理部署短期及中长期经济发展规划,促进下游终端衍生出数量较为可观的创新型需求,推动前沿新材料产业链的升级和完善。
4. 前沿新材料产业链与创新链融合发展
我国拥有强大的生产及配套能力,具有将前沿新材料产业做大做强的相对完善的生产配套体系。重视和鼓励关联度高的前沿新材料产业技术创新,构建产业融合的技术平台,形成新的融合型前沿新材料产业体系发展模式;融合分立的前沿新材料产业价值链,激励产业链上、下游协同攻关,提高前沿新材料产业的创新效能、生产效率和国际竞争力。
(三)碳达峰、碳中和战略下前沿新材料产业布局
1. 加快发展高效能量转换前沿新材料产业
我国在能量转化前沿新材料各领域均有亮眼表现,如科技论文和专利申请量领先全球,相关企业规模实现快速增长。现阶段我国在能量转化前沿新材料的大部分领域都处于从“跟随”到“引领”转换的关键期,相关产业应着眼全球市场趋势,把握碳达峰、碳中和战略机遇,强调优先发展领域并鼓励积极联动,争取稳步推进。
2. 加强前沿新材料的顶层设计
开展有组织科研,引导全流程关键领域按规划循序渐进,加速前沿新材料成果产业化,建立贯穿 “产学研”的公共研发平台和辅助验证平台,实现从科研成果、技术孵化到批量使用的高效转化。加强前沿新材料的核心技术和知识产权布局,在提升研究机构和企业创新能力的同时,建立自主知识产权、规避潜在风险。
3. 建设开放共享的前沿新材料创新发展服务平台
依托重点科研机构、实现各单位优势互补,建立前沿新材料创新发展平台;鼓励科研机构之间分工合作,缩短前沿新材料研发周期;掌握国外前沿新材料研发和产业化发展动态,聚焦国内产业发展重点,加强前沿新材料产业发展战略研究和对各地区前沿新材料产业发展的宏观引导。制定能量转化等前沿新材料产业发展指导目录和投资指南,以大数据技术推动前沿新能源材料研发、推广、应用等环节的降本增效。
(四)自主可控的前沿新材料测试表征能力发展
1. 研究前沿新材料测试评价能力共性关键技术
围绕前沿新材料全生命周期的测试评价,重点突破前沿新材料测试评价关键共性技术,增建先进仪器设备,深入研究前沿新材料分析测试、应用评价、寿命预测、失效分析等方法并形成国家 / 行业标准。加强前沿新材料综合性能测试研究,加大人才培养和引智力度,解决前沿新材料测试评价能力弱、水平低等问题。
2. 建设前沿新材料测试评价互联网平台
建立前沿新材料测试评价互联网服务体系,借助互联网手段收集并汇聚散落在全国各测试评价机构、企业、高校、科研院所的测试评价装置设备及数据资源;建设测试评价设备库和数据库并推行共享利用,重点解决前沿新材料测试评价设备分散且利用率低、数据缺乏汇聚及共享等问题。
3. 提升前沿新材料测试评价公共服务能力
建设具有国际先进水平的测试评价平台,整合形成前沿新材料测试评价服务体系,支撑前沿新材料产业可持续发展。依托现有的国家新材料测试评价平台、中国新材料测试评价联盟等重点机构,建立市场化机制和协同创新模式,利用相应的测试评价能力、互联网服务平台提供检验检测、咨询、培训、认证评价等“一站式服务平台”公共服务。积极开展品牌建设和国际合作,促进前沿新材料测试评价共性技术和产业发展水平提升。

致谢

衷心感谢参与中国工程院咨询研究项目“提升前沿新材料产业基础能力战略研究”(2019-ZD-31-04) 的所有专家对本文撰写工作的大力支持。
[1]
张学博, 阮梅花, 袁天蔚, 等. 神经科学和类脑人工智能发展: 新 进展、新趋势 [J]. 生命科学, 2020, 32(10): 993–1013. Zhang X B, Ruan M H, Yuan T W, et al. Neuroscience and braininspired artificial intelligence: New progress and trends [J]. Chinese Bulletin of Life Sciences, 2020, 32(10): 993–1013.

[2]
Haefner N, Wincent J, Parida V, et al. Artificial intelligence and innovation management: A review, framework, and research agenda [J]. Technological Forecasting and Social Change, 2021, 162: 1–12.

[3]
解维华, 韩国凯, 孟松鹤, 等. 返回舱/空间探测器热防护结构发 展现状与趋势 [J]. 航空学报, 2019, 40(8): 6–22. Xie W H, Han G K, Meng S H, et al. Development status and trend of thermal protection structure for return capsules and space probes [J]. Acta Aeronautica et Astronautica Sinica, 2019, 40(8): 6–22.

[4]
黄韬, 刘江, 汪硕, 等. 未来网络技术与发展趋势综述 [J]. 通信 学报, 2021, 42(1): 130–150. Huang T, Liu J, Wang S, et al. Survey of the future network technology and trend [J]. Journal on Communications, 2021, 42(1): 130–150.

[5]
Sun C W, Alonso J A, Bian J J. Recent advances in perovskitetype oxides for energy conversion and storage applications [J]. Advanced Energy Materials, 2020, 11(2): 1–21.

[6]
李昂, 刘雪峰, 俞波, 等. 金属增材制造技术的关键因素及发展 方向 [J]. 工程科学学报, 2019, 41(2): 159–173. Li A, Liu X F, Yu B, et al. Key factors and developmental directions with regard to metal additive manufacturing [J]. Chinese Journal of Engineering, 2019, 41(2): 159–173.

[7]
李献军. 大规格纯钛铸锭成分均匀性控制技术 [J]. 金属学报, 2002, 38(z1): 318–319. Li X J. Technology controlling composition homogeneity for large diameter pure Ti-ingot [J]. Acta Metallurgica Sinica, 2002, 38 (z1): 318–319.

[8]
宿彦京, 付华栋, 白洋, 等. 中国材料基因工程研究进展 [J]. 金 属学报, 2020, 56(10): 1313–1323. Su Y J, Fu H D, Bai Y, et al. Progress in materials genome engineering in China [J]. Acta Metallurgica Sinica, 2020, 56(10): 1313–1323.

[9]
王冠杰, 李开旗, 彭力宇, 等. 高通量自动流程集成计算与数据管理智能平台及其在合金设计中的应用 [J]. 金属学报, 2022, 58(1): 75–88. Wang G J, Li K Q, Peng L Y, et al. Development and application of high-throughput automatic integrated calculation and data management intelligent platform in novel alloys [J]. Acta Metallurgica Sinica, 2022, 58(1): 75–88.

[10]
冯金玲. 基于准直面光源的三维显示技术研究 [D]. 上海: 上海 交通大学(硕士学位论文), 2017. Feng J L. Three-dimensional display research based on the collimated light source [D]. Shanghai: Shanghai Jiao Tong University(Master’s thesis), 2017.

[11]
庄存波, 刘检华, 张雷. 工业5.0的内涵、体系架构和使能技术 [J]. 机械工程学报, 2021, 57: 1–13. Zhuang C B, Liu J H, Zhang L. Connotation, architecture and enabling technology of Industrial 5.0 [J]. Journal of Mechanical Engineering, 2021, 57: 1–13.

[12]
宋静思, 曲殿鹏, 陈晋, 等. 真空精密铸造炉的发展与展望 [J]. 真 空, 2018, 55(3): 55–60. Song J S, Qu D P, Chen J, et al. Development and prospect of vacuum precision casting furnace [J]. Vacuum, 2018, 55(3): 55–60.

[13]
王琮. 多线切割机的现状及发展趋势 [J]. 电子工业专用设备, 2008 (11): 10–11. Wang C. Multi wire saw current situation and trend [J]. Equipment for Electronic Products Manufacturing, 2008 (11): 10–11.

[14]
宋颍涛. 轧制设备现状分析与创新 [J]. 中国设备工程, 2019 (18): 2. Song Y T. Analysis and innovation of current rolling equipment [J]. China Plant Engineering, 2019 (18): 2.

[15]
李建勋. 全自动串焊机之工艺分析与结构优化设计 [D]. 南京: 东南大学(硕士学位论文), 2017. Li J X. Progress analysis and structural optimization design of automatic series welding machine [D]. Nanjing: Southeast University(Master’s thesis), 2017.

[16]
于琨山. 精密锻造设备研究现状及发展趋势 [J]. 世界有色金属, 2018 (10): 278–280. Yu K S. Research status and development trend of precision forging equipment [J]. World Nonferrous Metals, 2018 (10): 278– 280.

[17]
朱徐立. 大型定向凝固设备非均匀温度场提纯多晶硅研究 [D]. 厦门: 厦门大学(博士学位论文), 2015. Zhu X L. Research on the non-uniform temperature field for purifying polysilicon in large directional solidification equipment [D]. Xianmen: Xiamen University(Doctoral dissertation), 2015.

[18]
Van de Voorde M. Hydrogen production and energy transition [M]. Berlin: De Gruyter, 2021.

[19]
Pei J, Deng L, Song S, et al. Towards artificial general intelligence with hybrid Tianjic chip architecture [J]. Nature, 2019 (572): 106–111.

[20]
Deng X, Chao A, Feikes J, et al. Experimental demonstration of the mechanism of steady-state microbunching [J]. Nature, 2021 (590): 576–579.

[21]
Olsen S, Zhang J W, Liang K F, et al. An artificial intelligence that increases simulated brain–computer interface performance [J]. Journal of Neural Engineering, 2021, 18(4): 046053.

[22]
刘淦. 基于增材制造的高功率密度液压集成阀块优化设计 [D]. 杭州: 浙江大学(硕士学位论文), 2020. Liu G. Optimal design of high-power-density hydraulic manifolds utilizing additive manufacturing [D]. Hangzhou: Zhejiang University(Master’s thesis), 2020.

[23]
李聪. 复杂工况材料力学性能原位测试装备设计与试验研究 [D]. 长春: 吉林大学(博士学位论文), 2020. Li C. Design and research of in-situ testing equipment for mechanical performance of materials under complex working conditions [D]. Changchun: Jilin University(Doctoral dissertation), 2020.

[24]
代燕. 基于电化学参数分析的便携式恒电位仪系统设计及应用 [D]. 杭州: 杭州电子科技大学(硕士学位论文), 2020. Dai Y. Design and application of portable potentiostat system based on electrochemical parameter analysis [D]. Hangzhou: Hangzhou Dianzi University(Master’s thesis), 2020.

[25]
汪洋堃. 低压交流电弧的动态特性与故障检测方法研究 [D]. 上 海: 上海交通大学(博士学位论文), 2020. Wang Y K. Research on dynamic characteristic and fault diagnostic method for low voltage alternating current [D]. Shanghai: Shanghai Jiao Tong University(Doctoral dissertation), 2020.

[26]
冯霏, 吴访升, 陈鉴富, 等. 光伏阵列伏安特性测试系统设计 [J]. 计算机测量与控制, 2016, 24(10): 39–41. Feng F, Wu F S, Chen J F, et al. Measurement system of photovoltaic volt-ampere characteristic [J]. Computer Measurement & Control, 2016, 24(10): 39–41.

[27]
何玮. 高量子效率可见–短波红外宽光谱InGaAs探测器研究 [D]. 上海: 中国科学院大学(博士学位论文), 2020. He W. Research on the high quantum efficiency broadband VisSWIR In Ga As photodetector [D]. Shanghai: University of Chinese Academy of Sciences(Doctoral dissertation), 2020.

[28]
张学习, 郑忠, 高莹, 等. 金属基复合材料高通量制备及表征技 术研究进展 [J]. 金属学报, 2019, 55(1): 109–125. Zhang X X, Zheng Z, Gao Y, et al. Progress in high throughput fabrication and characterization of metal matrix composites [J]. Acta Metallurgica Sinica, 2019, 55(1): 109–125.

[29]
钱梦翔. 太赫兹近场高通量材料物性测试系统的束流诊断系统 设计 [D]. 合肥: 中国科学技术大学(硕士学位论文), 2020. Qian M X. Design of beam diagnosis system for terahertz nearfield high-flux material property testing system [D]. Hefei: University of Science and Technology of China(Master’s thesis), 2020.

[30]
于川茗, 李林, 蔡毅超. 扫描电镜在电池材料领域的应用 [J]. 电 子显微学报, 2021, 40(3): 339–347. Yu C M, Li L. Cai Y C. The application of scanning electron microscopy in the field of battery materials [J]. Journal of Chinese Electron Microscopy Society, 2021, 40(3): 339–347.

[31]
苏晨. 基于LabVIEW的示波器自动测试系统的设计与实现 [D]. 北京: 北京交通大学 (硕士学位论文), 2018. Su C. Design and implementation of the automatic oscilloscope test system based on LabVIEW [D]. Beijing: Beijing Jiaotong University (Master’s thesis), 2018.

[32]
Baran K, Róowicz A, Wachta H, et al. Thermal analysis of the factors influencing junction temperature of LED panel sources [J]. Energies, 2019, 12(20): 1–12.

[33]
钟万勰, 陆仲绩. CAE: 事关国家竞争力和国家安全的战略技 术——关于发展我国CAE软件产业的思考 [J]. 中国科学院院 刊, 2007, 22(2): 115–119. Zhong W X, Lu Z J. CAE: Technology for National Competitive Power and National Security [J]. Bulletin of Chinese Academy of Sciences, 2007, 22(2): 115–119.

[34]
Turkmen A, Yesil Y, Kayar M. Heuristic production line balancing problem solution with MATLAB software programming [J]. International Journal of Clothing Science and Technology, 2016, 28(6): 750–779.

[35]
Markiewicz T. Using MATLAB software with Tomcat server and Java platform for remote image analysis in pathology [J]. Diagnostic pathology, 2011, 6(S1): 1–12.

[36]
Modeste K N, Andrianaharison Y, Omer K, et al. Impact of climate change on demands for heating and cooling energy in hospitals: An in-depth case study of six islands located in the Indian Ocean region [J]. Sustainable Cities and Society, 2019, 44: 629–645.

[37]
Belmahdi B, Bouardi A E. Solar potential assessment using PVsyst software in the Northern Zone of Morocco [J]. Procedia Manufacturing, 2020, 46: 738–745.

[38]
Husain A A F, Phesal M H A, Ab Kadir M Z A, et al. Technoeconomic analysis of commercial size grid-connected rooftop solar PV systems in Malaysia under the NEM 3.0 scheme [J]. Applied Sciences, 2021, 11(21): 10118.

[39]
陆雄建. 考虑电池寿命的增程式电动汽车参数匹配与能量管理 研究 [D]. 长沙: 湖南大学(硕士学位论文), 2018. Lu X J. Parameter matching and energy management of extended range electric vehicle considering battery life [D]. Changsha: Hunan University(Master’s thesis), 2018.

[40]
罗树林. 基于高通量计算与机器学习的材料设计方法与软件的 开发与应用 [D]. 长春: 吉林大学(博士学位论文), 2021. Luo S L. The developments and applications of the highthroughput computational methods and toolkits combining with machine learning for materials design [D]. Changchun: Jilin University(Doctoral dissertation), 2021.

[41]
Wimmer E, Christensen M, Eyert V, et al. Computational materials engineering: Recent applications of VASP in the medeA® software environment [J]. Journal of the Korean Ceramic Society, 2016, 53(3): 263–272.

[42]
Altalhi A H, Luna J M, Vallejo M A, et al. Evaluation and comparison of open source software suites for data mining and knowledge discovery [J]. WIRES Data Mining and Knowledge Discovery, 2017, 7(3): 1–12.

[43]
Gudy A, Sikora M, Wróbel. RuleKit: A comprehensive suite for rulebased learning [J]. Knowledge-Based Systems, 2020, 194: 1–12.

Outlines

/