材料科学与工程

二十年前，材料研发仍主要依赖经验配方、串行试错和少量高价值表征；计算、实验与制造数据分散在不同团队，强度、韧性、可制造性和可回收性往往到研发末端才相遇。近二十年的转向，是把材料看成一个可以计算搜索、自动实验、跨尺度追踪并在失效现场反推机制的设计空间。第一幕建立ICME、材料基因组、高通量组合实验、开放计算筛选、多主元合金、纳米孪晶、梯度结构与界面相工程；第二幕则把自主实验、主动学习、晶体图网络、等变势、生成式逆向设计、外推评测、增材过程图谱、非平衡组织、短程有序、异质背应力、四维原位失效与回收杂质容忍纳入同一闭环。这里写的不是“AI发现材料”，而是二十个必须回答数据从哪里来、预测在哪失效、组织怎样生成以及性能能否进入下一轮循环的命题。

这一幕的共同动作，是把成分—工艺—组织—性能的经验链改写为可共享、可计算并能跨尺度传递的不确定关系。

甲、集成计算材料工程（ICME）

传统材料开发按专业和尺度串行进行：热力学团队给相图，工艺团队试热处理，力学团队最后测性能；模型只在局部环节使用，接口处大量信息被压缩成经验参数。结果是某个尺度上的“最优”常在制造、组织演化或服役阶段失效。真正的问题不是增加一个计算软件，而是怎样让多个尺度围绕同一工程决策闭环。

ICME的命题是：把计算工具、实验数据、制造历史和产品性能联成贯穿生命周期的模型链，使成分和工艺可以根据目标性能反向设计。微观组织不再只是解释变量，而是连接热力学、动力学、本构和部件寿命的中间状态；每个模型还应传递不确定性，而不是只传一个最佳值。

美国国家研究委员会2008年的ICME报告把这一框架系统化，随后齿轮钢、铝合金、钛合金和航空发动机材料项目展示从计算设计到试制与资格认证的闭环。一些项目显著减少了合金筛选和热处理迭代，但也暴露数据库格式、模型版本、尺度接口与知识产权阻碍。成功案例的共同点不是模型最多，而是决策链中每一接口都有可核验状态量。

争议在于长模型链容易制造“精确的级联误差”。上游相稳定性或扩散系数若有系统偏差，下游优化会放大它；不同团队还可能用同一实验同时校准和确认。ICME必须报告误差怎样跨尺度传播并改变方案排序。若加入更细模型只改善历史拟合，却不能在新工艺或新几何中预测组织与寿命，集成便只是软件拼接。

ICME 最实际的后果是把材料开发的成本结构改写了：过去的开支主要花在冶炼与试样上，现在相当一部分前移到模型链的搭建与数据整理上。这对企业意味着一次会计科目的迁移——从可以计入某个型号的直接成本，变成难以摊销的共用基础设施，因而在预算体系保守的企业里常常批不下来。它同时改变了供应链的分工：材料供应商被要求交付的不再只是一批合格材料，还有该批次的工艺历史与组织表征，因为下游的模型链没有这些就断了。这一要求在航空发动机与核级材料上已成惯例，在通用制造业仍在推进。另一处是人员：模型链要求同一个人既懂热处理又懂数据管道，这类人在企业里通常不存在，只能靠跨部门的长期配对培养。

它与「七、增材制造的过程—组织—性能图谱」是同一条链在不同工艺上的两次落地：一次落在铸锻热处理，一次落在逐层沉积；后者链条更短、反馈更快，因而反过来成为验证 ICME 方法论的最佳试验场。一处反向证据是链条的误差累积：每一环的模型都有各自的不确定度，串起来之后端到端预测的可信区间往往宽到不足以支撑取舍决策。因此这条命题的可检验形式应是闭环开发时间与传统开发时间之比，而不是任何单环的预测精度——单环再准，链不通就没有价值。因此链条的每一环都应单独报出不确定度，否则端到端的置信区间无法解释。

乙、材料基因组基础设施（MGI）

材料数据长期散落在论文图表、实验笔记和专有数据库中，成分命名、温度路径和测试条件不一致，导致他人难以复用。即使计算能筛选数万候选，缺少可互操作数据和实验回写，发现速度仍受信息摩擦限制。问题从“有没有数据库”转为材料知识能否形成可追溯、可机器读取的公共基础设施。

MGI主张，以计算、实验与数字数据基础设施协同缩短从发现到部署的时间。数据必须带有方法、条件、误差和版本元数据，模型与实验结果能够互相调用；开放标准和社区平台使失败结果、负数据和制造约束也进入搜索，而不是只保存成功样品的最佳性能。

2011年美国启动Materials Genome Initiative，2014年战略计划明确提出计算工具、实验工具、数字数据和协作生态四个方向；Materials Project、OQMD、NIST材料数据与多机构中心随后扩大开放计算和标准化工作。基础设施使大规模筛选和模型训练成为可能，也显示同一“材料性质”会因计算泛函、样品状态和测试协议产生系统差异。

边界是开放数量不等于可用质量。缺少失败样品、制造历史和测量不确定性的数据，会让模型学习发表偏差；不同数据库的重复条目也可能被误当独立证据。MGI的成熟度应由跨平台可复现性、元数据完整度和从预测到实物的转化率衡量。若数据增加却不能提高外部实验命中率，基础设施仍停留在存储层。

材料基因组这套基础设施真正难的不是算力也不是仪器，而是让数据带着足够的上下文出生：同一个「屈服强度」在没有试样取向、应变速率、热处理批次与测量标准的情况下，跨实验室不可比。推动这件事的杠杆几乎全在制度侧——期刊的数据可用性政策、基金的数据管理计划、机构的知识产权规则，而不在技术侧。这也解释了一个常见现象：一个国家的材料数据平台上线容易，持续被填充困难，因为填充的成本由产生数据的人承担，收益由后来使用数据的人获得。另一处是长期性：数据基础设施的价值随时间累积，而项目制经费按三到五年结算，两者的时间尺度天然不匹配。

它是「丁、开放计算筛选」与「三、图神经网络的晶体表示」共同的地基：没有可复用的数据，筛选无从验证，模型无从训练。一处反向证据来自负结果的缺失：数据库里几乎全是被合成出来、被报道出来的成功样本，失败配方极少入库，于是训练出的模型系统性地高估可合成性。这种偏倚不会在任何随机划分的测试集上暴露，因为测试集与训练集共享同一份幸存者偏差。因此这条命题的可检验形式必须是数据迁移成功数与任务数之比，且需要专门的负结果征集机制。负结果的征集应当有独立的发表出口，否则没有人愿意承担整理成本。

丙、高通量组合实验

传统合金和功能材料一次制备一个配方、一次测一个条件，高维成分—工艺空间只能靠专家逐点探索。组合薄膜、梯度样品和自动表征把成百上千种条件放在一块样品或一批次中，但早期也常被质疑只适合快速“看趋势”，不能代表块材和真实制造。问题是高通量怎样从筛选工具变成可定量的材料实验。

组合实验的命题是：通过受控成分梯度、工艺阵列和自动表征，可在同一批次内建立高密度相图与性能地图，显著减少批间误差。关键不只是样品数量，而是空间位置与成分、热历史、厚度和测量分辨率一一对应，并用少量独立样品验证局部最优。

2006年后组合溅射、微反应阵列和快速衍射/光谱在催化、相变、磁性和电池材料中扩展；同步辐射和机器人平台又提高了结构—性能配对速度。研究显示，高通量可在数天内画出传统需要数月的局部相区，也反复发现薄膜应变、基底、尺寸和沉积非平衡会使筛选排序在块材中改变。

争议是样品之间并非真正独立：梯度、热串扰和位置相关测量误差会产生伪相关；极小体积还可能压制裂纹、偏析和长期退化。高通量结论必须通过独立制备、尺度转移与盲复测确认。若最佳区域在块材或真实工艺中无法重现，平台提供的是假设生成而非材料资格证据。

高通量实验带来的最大改变是误差结构：把上百个成分放进同一次沉积与同一次表征，批间波动被消掉，剩下的主要是位置相关的系统偏差。这让「相邻成分之间的差异」第一次可以被信任，而这恰恰是画相图与找边界最需要的信息。它对实验室组织的要求也随之改变——样品的空间坐标、表征时序与仪器漂移必须一并记录，否则地图上的一处异常无法判断是材料的还是仪器的。多数高通量平台的返工，都源于这套坐标与元数据在早期没有被认真设计。另一处是与理论的接口：高密度地图最适合用来标定相图计算的参数，而不是替代它，两者结合的效率高于任何一方单独使用。

与「一、自主闭环材料实验」的关系是产能与决策的分工：丙解决一次能测多少，一解决下一次该测哪里；两者叠加才形成闭环，单独使用高通量常常只是更快地把网格铺满。一处反向证据是与体材料的偏差：薄膜梯度样品的相形成受基底、应力与厚度影响，与块体在同一成分下未必给出相同相，因此地图上的最优点在放大制备时可能消失。这条命题的检验必须包含有效测量点占全部组合点的比例，并给出至少一处体材料的对照验证。地图上的最优点在进入放大制备前，应至少做一次块体复现。

丁、开放计算筛选

第一性原理计算过去主要用于解释少量已知材料，昂贵算力和手工输入限制了大规模预测。数据库和自动工作流出现后，研究者可计算数万种晶体的形成能、带隙和弹性，但“计算稳定”常被误读为“实验可合成”。问题由能否批量计算转为怎样区分热力学候选、动力学可达与工程可制造。

开放筛选主张，以统一工作流计算大材料空间，并公开结构、参数和版本，使候选可按稳定性、目标性质与不确定性排序。数据库把计算从一次性论文变成可复用基础设施；筛选结果应包含与凸包距离、竞争相、计算误差及后续合成条件，而不是只给一个高性能数字。

Materials Project在2011年前后启动，OQMD等平台随后扩展到数十万乃至更多条目，公开API使电池、热电、催化和磁性候选可以程序化筛选。多项实验发现了计算预言的新材料，同时也表明近凸包稳定、错误晶体结构、有限温度和缺陷会改变排序；许多“高性能候选”最终无法合成或只在亚稳态条件出现。

边界是数据库中的低误差常来自同一近似和相似化学空间，不能视为独立证据。形成能也不是合成路线，带隙和力学性质对缺陷、温度与微结构敏感。开放筛选必须报告合成可行性、方法系统误差与实验命中率。若候选只能在计算库内彼此比较、不能提高外部实验效率，筛选就尚未完成工程闭环。

开放筛选把计算从论文的一次性附件变成了可被反复引用的基础设施，随之而来的是一套新的学术信用问题：谁维护工作流、谁为版本变更负责、下游结论在数据库更新后是否还成立。已经出现过同一材料在数据库两个版本间稳定性判断改变的情况，而引用了旧版本的论文并不会自动更新。因此使用这类数据库的论文越来越被要求注明数据库版本与计算参数，这在十年前是没有的规范，如今正在成为审稿的常规检查项。另一处是引用规范：以数据库结果为依据的实验论文，应像引用文献一样引用数据版本号与计算参数集。

与「六、外推分割的评测革命」共享同一处警觉：排序好看不等于外推可靠。一处反向证据是稳定性判据本身——凸包之上若干毫电子伏内的材料被判为「可能可合成」，而这一阈值是经验的，且对交换关联泛函的选择敏感；不同泛函下的候选清单可以有相当比例不重合。因此这条命题的可检验形式必须是实验验证的稳定候选数与筛选候选数之比，同时报出假阳性数——只报命中不报假阳性的筛选结果，无法用来估计下一次的成功率。泛函敏感性应作为筛选报告的固定一节，而不是留给读者自行判断。

戊、多主元高熵合金

传统合金以一种主元素为基体，少量合金元素用于调控；多主元合金最初以“高构型熵稳定单相固溶体”解释其简单相结构，迅速形成“混得越多越稳定”的流行说法。实验很快发现大量脆性金属间化合物、偏析和多相组织，核心问题转为多主元设计究竟改变了哪些相与变形机制。

这一理论的可检验命题是：高维成分空间能产生传统基体合金难以获得的相竞争、局部化学环境与变形协同，价值不在元素数目本身。构型熵只是自由能的一项，焓、磁性、尺寸错配、短程有序和动力学共同决定相；“高熵”应由结构与性能机制而非配方计数定义。

2004年的概念在2006年后快速扩展，2014年CrMnFeCoNi等合金的低温强韧结果推动领域转向机制研究。大量相图、原子探针和中子/电子表征随后证明，多主元合金既可为单相，也常出现有序相、偏析和短程有序；所谓缓慢扩散与鸡尾酒效应并非跨体系普适。

争议是高维搜索容易产生选择性发表：从巨大空间中挑出性能优样品，不能证明整个类别具有优势；昂贵或关键元素也限制规模应用。必须与经过同等优化的传统合金比较比性能、温度窗口、加工性和元素约束。若优势只来自一种已知强化机制而非多主元独特耦合，“高熵”就只是成分标签。

这条命题被澄清之后，领域的评审口径变了：只报「我们做了一个五元等原子比合金」不再构成贡献，必须说明高维成分带来了哪一种传统合金拿不到的机制。这一转向把大量凑元素的工作挡在门外，也把研究重心推向局部化学环境、层错能调控与相竞争。它对工程应用的含义则更冷静——多主元带来的原料与回收难题是真实的，若某个性能靠三元也能拿到，五元就没有理由。这一条使高熵合金从一个概念口号回到了可比较的技术选项。另一处是回收：多主元合金一旦进入废料流，成分难以分离与再利用，这一代价在设计阶段几乎从不被计入。

它与「九、高熵合金的短程有序」是同一族材料的表层与深层：戊说明为什么要去高维，九说明高维里真正起作用的是什么。两者共同的边界是表征——局部化学环境难以直接测量，多数结论依赖间接推断。一处反向证据是构型熵的作用被高估：早期以熵稳定单相为核心的说法，在大量体系中被焓项主导的实验推翻，单相区往往比预期窄得多。因此这条命题的检验量应是合格成分体积占搜索空间的比例，而不是某一个明星成分的性能。单相稳定区的宽度应与性能一并报出，窄区间的明星成分不具备工程意义。

己、纳米孪晶的强韧协同

晶粒细化通常提高强度，却会减少位错储存和加工硬化，使延性下降；传统观点把强度—延性视为难以同时改善的权衡。纳米孪晶界具有低能、共格和特定滑移传递能力，提示“所有界面都会同样阻碍塑性”并不成立。问题是能否用界面类型而非单纯晶粒尺寸重写强韧关系。

纳米孪晶理论主张，适当间距的共格孪晶界既能阻碍位错、提高强度，又能通过位错—孪晶相互作用保留塑性与加工硬化，形成界面强化而非界面脆化。存在最佳孪晶厚度：过宽强化不足，过窄则变形机制转向界面迁移或局部剪切，优势会减弱。

2000年代后期的电沉积纳米孪晶铜与后续奥氏体合金实验显示，在纳米尺度孪晶间距下可获得高强度并保持可观延性；原位电镜和分子动力学识别了位错被孪晶界吸收、传递和反应的路径。数据同时显示热稳定、杂质和加载方向会改变孪晶结构，性能峰值并非随间距单调变化。

边界是小尺寸、低缺陷样品中的协同进入块材、焊接和循环载荷后可能失去。孪晶密度还常与晶粒、织构和残余应力同时变化，因果难分。决定性检验需在近似相同晶粒与成分下独立改变孪晶间距，并比较完整应力—应变、疲劳和热稳定轨迹。若只报告峰值强度，无法证明权衡被真正改写。

纳米孪晶的意义超出材料本身：它给出了一个反例，说明「强度与塑性此消彼长」这条被当作常识的经验规律，其实是特定强化方式（无序界面阻碍位错）的后果，而不是普遍必然。这一点改变了后续十年的研究策略——与其接受折衷曲线，不如去找能同时提供障碍与通道的界面结构。它的工程门槛在制备：电沉积能做出的尺寸与形状有限，把纳米孪晶做进大体积结构件至今没有低成本路径，因此它在导电互连与表面层的应用远早于在承力结构上的应用。另一处是导电与导热：孪晶界对电子散射的影响远小于普通晶界，这使纳米孪晶铜在互连中同时保住强度与导电率。

与「庚、梯度纳米结构」和「十、异质结构的背应力协同」构成这十年强韧化的三条并行路线，共享同一个判据：能不能在提高强度的同时保住加工硬化率。一处反向证据是热稳定性：纳米孪晶在中高温下会粗化甚至消失，服役温度一旦接近再结晶区间，结构与性能同时退化。因此这条命题的可检验形式必须是延伸率保持值与强度增量之比，并注明测试温度与保温时间——室温数据单独发表，几乎没有工程意义。热稳定性数据缺失时，该条只能限定在近室温服役的结论范围内。

庚、梯度纳米结构

均匀纳米晶材料强度高但塑性有限，粗晶材料延性好却强度低。传统设计试图在一个平均晶粒尺寸上折中，默认材料内部应尽量均匀。表面机械处理、梯度轧制和沉积技术却能让晶粒尺寸、相或孪晶密度随深度连续变化，提示异质性本身可能成为承载机制。

梯度结构理论主张，硬表层与软芯或不同尺度区域在变形中产生应变梯度、几何必要位错与长程背应力，使高强区域承担载荷、软区提供塑性，并通过界面相容约束维持加工硬化。性能不由各层简单体积分数平均，而由梯度长度、层厚和载荷传递共同决定。

2010年代梯度纳米晶铜、钢和钛的拉伸与原位表征显示，材料可在保持高屈服强度的同时获得高于均匀纳米晶的延性；数字图像相关和显微分析观察到变形从表层向内部传播、背应力随塑性积累。不同处理路线也显示，梯度过陡会诱发界面局部化，过缓则协同效应减弱。

争议是许多梯度样品同时含残余压应力、织构和表面粗糙，性能提升未必由梯度晶粒单独造成；小型拉伸件也会放大表层占比。应在相同残余应力和表面状态下比较，并用局部应变、背应力与全尺寸疲劳验证。若尺度放大后协同消失，梯度结构就不是可转移的体材料机制。

梯度结构最有工程价值的一点是它可以用表面处理实现：喷丸、表面机械研磨、激光冲击这些成熟工艺就能造出梯度层，不需要改变整体成分或熔炼路线。这使它成为少数能直接用在存量零件上的强韧化手段，也因此在轴类、齿轮与紧固件上落地最快。它的边界同样来自工艺——梯度层厚度有限，对厚壁件的整体强度贡献不大；而残余应力状态会随服役中的热与循环载荷松弛，效果随时间衰减，这一衰减速率在多数论文里没有报道。另一处是检测：梯度层的厚度与硬度分布需要逐件抽检，而现行验收标准多按整体硬度写成，工艺与标准之间存在明显错位。

与「己、纳米孪晶的强韧协同」的差别在于机制的空间尺度：己靠界面本身，庚靠区域之间的相互约束，因此庚对界面质量的要求低得多，工程化门槛也低得多。一处反向证据是疲劳：梯度层带来的高表面强度在光滑试样上显著提升疲劳寿命，但一旦存在缺口或表面损伤穿透梯度层，优势迅速消失。因此这条命题的可检验形式必须是疲劳寿命与均匀材料寿命之比，且要在带缺口试样上做，而不是只在光滑试样上做。残余应力的松弛速率应随疲劳数据一并报出，否则寿命提升无法外推到服役期。

辛、界面相（complexion）工程

晶界过去常被视为固定二维缺陷，其作用由取向差和杂质偏聚描述；热处理改变晶粒尺寸，却不把晶界本身当成可发生相变的结构。原子分辨实验发现，同一材料的晶界可在温度和化学势变化下形成不同厚度与有序程度的状态，进而改变迁移、烧结、脆化和蠕变。

界面相理论主张，晶界存在类似体相但受界面约束的离散或连续状态，即complexion；通过掺杂、温度和化学势可选择界面结构，从而调控晶粒稳定、扩散与断裂。材料设计因此不只选择体相，还要选择在加工和服役温度下稳定的界面相。

2006—2011年前后的陶瓷和金属研究系统化了界面相分类，透射电镜与热力学分析观察到纳米级无序膜、偏聚层和界面结构跃迁；这些状态与异常晶粒长大、烧结动力学和高温性能相关。后续原子探针与计算表明，同一平均掺杂量可因晶界化学势不同产生完全不同的界面分布。

边界是界面相难以在整个多晶体中均匀测量，制样和电子束也可能改变状态；“观察到偏聚”不等于证明相变。需要随温度、成分进行可逆性和自由能证据，并把局部结构与宏观失效关联。若不同界面状态不能稳定改变迁移或断裂率，complexion就只是描述性命名。

把晶界当成有相图的对象，最直接的工程含义是「晶界工程」从经验调掺杂变成了可以设计的动作：想抑制高温晶粒长大，就去选择一种在该温度下稳定且低迁移率的界面状态，而不是笼统地加某种元素。这条思路在纳米晶合金的热稳定化上已有成功案例。它的落地障碍在表征成本——界面状态的判定依赖高分辨电镜与原子探针，属于单点、破坏性、样本量极小的测量，很难支撑批量生产中的质量控制，于是设计上成立的方案在产线上无法验证。另一处是与工艺的耦合：界面状态由热历史选择，因此同一成分的粉末冶金件与铸件可能落在完全不同的界面相区。

与「己、纳米孪晶」构成对照：己处理的是一种特定的、共格的低能界面，辛把整个界面族纳入同一套热力学语言，因而更普适也更难验证。一处反向证据是液膜型界面相引发的高温脆化——同一种掺杂在一个温度区间稳定晶粒，在另一个区间形成润湿膜并导致沿晶断裂，方向完全相反。因此这条命题的检验必须给出界面相状态占全部界面的比例与失效温度对服役温度的裕度，单一成分—性能对应关系在这里会误导。掺杂方案的申报应给出温度区间，跨区间使用会把稳定手段变成脆化来源。

这一幕不再只追求更快筛选，而是审查训练域、生成路径、非平衡制造、局部有序、失效证据与循环杂质怎样反写材料承诺。

一、自主闭环材料实验

高通量平台能执行大量实验，却仍常由人预先规定完整网格；在高维空间中，绝大多数实验对最优材料和相边界贡献很小。机器学习提出候选后若不能自动制备、表征和回写结果，也只是离线推荐。问题是实验室能否根据实时证据决定下一步，并把失败纳入学习。

自主实验理论主张，将机器人制备、自动表征、数据处理和决策算法组成设计—执行—测量—更新闭环。系统不必穷举空间，而根据不确定性、期望改进或信息增益选择下一实验；仪器校准、失败检测和安全约束必须与优化器同级，防止平台高速收敛到漂移或伪影。

2020年的贝叶斯主动学习闭环材料发现工作展示了在线选择实验，2023年A-Lab在17天内尝试57种目标材料并成功合成36种，覆盖多种元素和结构原型。结果证明自治可加速配方与合成搜索，也显示文献配方迁移、仪器故障、不可判定产物和负结果标签是系统性能的重要组成。

争议是“完成实验数”不等于发现质量。目标函数若只奖励某一可测性质，平台可能忽略稳定性、成本或可放大性；算法还能把批次漂移当成材料规律。自治实验必须报告校准样、失败率、外部复现和停止理由。若另一台实验室不能重现实验排序，闭环只是局部自动化而非可迁移科学方法。

自主实验平台改变的是研究组织的形态：实验能力从个人手艺变成可排队调用的服务，随之而来的是新的管理问题——谁的课题占用机时、失败样品的责任归属、以及研究生在闭环里到底学到什么。这几件事目前都还没有稳定的答案。它的技术门槛也不在算法而在合成的可靠性：机器人可以精确执行配方，却无法像有经验的人那样在反应异常时中途调整，因此闭环在成熟工艺（薄膜沉积、溶液合成）上跑得动，在需要现场判断的工艺上仍然跑不动。另一处是数据资产：闭环产生的失败样本具有极高的模型训练价值，而传统实验室几乎不保存这类记录。

与「二、不确定性驱动主动学习」是硬件与决策的两半，也与「丙、高通量组合实验」构成产能与选点的互补。共同的隐患是目标函数：闭环只会朝被写下来的目标优化，凡是没写进去的性质（可制造性、成本、毒性）都会被系统地牺牲。一处反向证据是合成成功率——公开报道的闭环工作中，目标物相的实际获得率远低于计算筛选给出的期望，差距主要来自动力学与前驱体路径，而这些恰恰是筛选阶段最不擅长的部分。目标函数中应显式加入成本与可制造性项，否则闭环会给出无法采购的配方。

二、不确定性驱动主动学习

材料数据昂贵且分布不均，随机追加样本往往集中在已知化学空间；预测模型在稀疏区域最不可靠，却可能给出最高性能候选。传统“选预测值最高者”会把模型偏差当成发现。问题是怎样在探索未知与开发高值候选之间分配有限实验。

主动学习主张，用模型不确定性与目标价值共同选择样本，使每次实验最大化信息增益或预期改进。不确定性必须区分数据噪声与模型无知，并在新区域变大；采集函数还应把合成成本、批量约束和安全性纳入，而非把实验看成等价点查询。

2016年后的材料信息学研究在形状记忆合金、磁性、电池与催化空间中使用高斯过程和贝叶斯优化，以远少于网格搜索的实验找到高性能区域。闭环超导与溶解度平台还报告命中率提高。研究同时发现，高维、分类变量、错误不确定性和批次效应会让算法过度自信，反复选择不可实现候选。

边界是不确定性值由模型和表示选择决定，并非客观测量；深度模型的置信度尤其容易在域外失真。应以预注册盲样检查覆盖率、校准误差和单位实验发现率。若不确定性最高的样本并不更可能产生大误差，主动学习的选择依据就被证伪。

主动学习给材料实验带来的最实际改变，是把「做多少次实验」变成一个可以事先估计并向经费方交代的量：给定目标与初始数据，可以估出达到目标所需轮数的分布。这在申请与验收环节比任何精度指标都好用。它的陷阱在于不确定度的质量——若模型把数据噪声与模型无知混在一起，采集函数会反复去测最吵的那个区域，实验预算被消耗在噪声上。因此实践中往往需要先做一次重复性实验来标定噪声水平，这一步在多数报道里被略过。另一处是与人的分工：算法擅长在既定空间内选点，提出新的空间边界仍然依赖研究者，这一分界目前没有被算法跨过。

与「六、外推分割的评测革命」互为镜像：六说明模型在陌生区域会错，二正是要主动往陌生区域去；两者的结合点是不确定度必须在陌生区域真的变大。一处反向证据是高斯过程在高维成分空间的表现：核函数的选择主导了不确定度的形状，选得不当会在真正未探索的区域给出虚假的低不确定度，把闭环困在原地。因此这条命题的检验量应是不确定性下降量与新增实验数之比，而不是最终找到的最优值——最优值可以靠运气。核函数与先验的选择应作为方法学的一部分公开，它对结论的影响常大于算法本身。

三、图神经网络的晶体表示

传统材料机器学习依赖人工描述符，如元素平均性质、配位数或径向分布；描述符选择带入专家假设，并可能把不同局部环境压成同一向量。晶体天然是原子与邻接关系构成的周期图，问题是模型能否从结构直接学习表示，同时保持原子排列的基本对称性。

晶体图网络主张，将原子作为节点、邻近相互作用作为边，通过消息传递学习局部环境并汇聚成材料性质，实现从晶体结构到性质的端到端表示。模型不再预先规定哪种化学特征具有决定性，但必须处理周期边界、邻域截断和不同晶胞表示的等价性。

Xie与Grossman在2018年提出CGCNN，在形成能、带隙等任务上显示图表示可从数据库学习有意义的局部特征；MEGNet等后续模型加入全局状态与更多性质。随机划分测试常得到很低误差，而按化学体系、原型或时间外推划分时，性能显著下降，说明模型主要擅长数据库近邻插值。

争议是高注意力权重或嵌入可视化不等于物理机制，图网络还可能通过原型重复泄漏测试信息。应以成分留出、结构原型留出与时间留出评测，并检查同一结构不同晶胞表达是否给出一致结果。若随机切分优势在外推分割中消失，就不能把数据库内精度称为发现能力。

晶体图网络的实际价值在于它把「描述符工程」这项耗时且高度依赖专家的工作自动化了：过去每换一类性质就要重新设计一套特征，如今同一套架构可以跨性质复用。这降低了进入门槛，也带来了副作用——大量论文比拼同一批基准上的小数点，而这些基准的训练与测试来自同一批数据库，因此提升未必意味着更有用。领域内近年把注意力从精度转向数据效率与可迁移性，正是对这一现象的纠正。另一处是可解释性：图网络学到的局部特征可以被可视化并与配位环境对应，这让它比纯描述符模型更容易被材料学家接受。

与「四、等变机器学习势」的分工是：三预测的是标量性质，四要给出可用于动力学的力，因此对对称性的要求高一个层次。共同的边界是局部性假设。一处反向证据是长程相互作用主导的性质——铁电极化、带电缺陷与静电主导体系中，有限截断半径的消息传递会系统性失准，加深层数并不能替代显式的长程项。因此这条命题的可检验形式必须是样本外误差与样本内误差之比，并报出测试结构与训练集最近邻的距离。长程主导的性质应改用显式包含静电项的模型，而不是靠加深层数补救。

四、等变机器学习势

经典经验势计算快但表达受限，第一性原理准确却难覆盖大尺度和长时间。早期机器学习势能拟合能量与力，却常需手工对称描述符，且旋转后的向量和张量响应处理不自然。问题是能否让模型结构直接遵守三维旋转、平移和置换对称，并以更少数据学习复杂势能面。

等变势理论主张，网络不仅使能量保持旋转不变，还让力和高阶特征按群表示随旋转等变变换。这类结构能高效编码角向相互作用，提高数据效率和力的准确性；模型应同时训练能量、力与应力，并在主动学习中识别超出训练势能面的构型。

NequIP等模型在2021—2022年展示E(3)等变网络可用较少第一性原理数据达到高精度，并在分子、固体和缺陷动力学中扩展尺度。长时间分子动力学也暴露出一个反直觉问题：测试集平均力误差很低的模型，遇到罕见构型时仍可能给出自信但错误的力，迅速把轨迹推向非物理区域。

边界是对称性正确不等于势能面完整。化学反应、断键、长程电荷和新相需要训练数据覆盖；误差指标也不能代表轨迹稳定。必须用相变、缺陷、断裂与长时间能量漂移做域外测试，并设置不确定性拒绝。若模型不能识别从未见过的局部环境，等变结构只是更强插值器。

等变势最直接的后果是可算尺度的跃迁：分子动力学得以在第一性原理精度附近做到十万原子、纳秒量级，缺陷迁移、晶界扩散与相变动力学这些原本只能靠经验势的问题第一次进入可信区间。它对计算资源分配的影响是把成本从推理挪到了标注——真正贵的不再是跑轨迹，而是生成足够覆盖的高精度参考数据。因此「主动学习采样＋等变势」几乎成为标准组合，这也把它与本块第二条连成了一条工作流。另一处是软件生态：等变势要真正好用，依赖与主流分子动力学引擎的接口，这部分工程量常被低估。

与「三、图神经网络的晶体表示」同源而目标不同，与「一、自主闭环材料实验」则形成计算与实验的两条闭环。共同的软肋是外推：势函数在训练分布之外可能给出光滑但错误的力，模拟会安静地跑向一个不存在的结构。一处反向证据是稀有事件——熔化、断裂与高温反应路径往往不在训练轨迹中，模型不会报错只会给出结果。因此这条命题的检验必须报出域外误差与域内误差之比，并配一个可触发的不确定度阈值来中止模拟。模拟应内置不确定度阈值触发中止，避免安静地跑向不存在的结构。

五、生成式逆向材料设计

传统筛选从已知候选库中逐个预测，再选性能高者；它无法直接回答“给定目标性能，哪些成分和结构可能实现”。生成模型可在连续潜空间中提出新晶体或配方，但化学有效、热力学稳定和可合成是三道不同门槛。问题是生成的新颖性怎样转化为真实材料。

逆向设计主张，学习材料分布与性质条件后，可从目标反向生成候选，实现从搜索已有空间转向构造新空间。有效模型必须保持化学计量、对称性与结构合理性，并把稳定性、性能、可合成性、成本和元素约束作为多目标条件，而不是只优化一个代理分数。

2018年后的变分自编码器、生成对抗网络、扩散模型和晶体生成模型不断提高结构有效率，并在电池、无机晶体和分子材料中提出数据库外候选。一些工作完成第一性原理复筛和少量实验验证；更普遍的结果是大量候选重复已知原型、落在高能亚稳区，或需要模型未提供的合成路线。

争议是“新颖”容易由表示和数据库边界制造，代理模型还会被生成器利用，产生高预测分却不真实的对抗候选。必须报告去重、热力学复核、合成路线与实验成功率。若生成模型在等量计算预算下不优于主动筛选，逆向生成的工程增量就尚未成立。

逆向设计的价值取决于一个常被忽略的环节：生成之后谁来合成。生成模型能在几小时内给出上万个结构，而实验端一年能尝试的数量以百计，因此瓶颈立刻从「想不出候选」转移到「排不出优先级」。这使得可合成性预测、前驱体路径与成本估计成为比生成模型本身更值钱的部分。领域近年的重心转移正说明这一点——评价指标从结构有效率逐步转向实验成功率，尽管后者的数据极难获得。另一处是知识产权：生成的候选结构数量巨大且难以逐一审查，专利体系尚未给出如何处理机器批量生成结构的规则。

它与「丁、开放计算筛选」是同一目标的两条路：一条在已有空间里排序，一条构造新空间；两者最终都要交给同一套实验验证通道，因此争夺的是同一份稀缺资源。一处反向证据是新颖度与可合成性的取舍：把生成模型推向更新颖的区域，可合成性随之下降，二者近乎单调对立。因此这条命题的可检验形式必须同时报出实验成功候选与生成总数之比、以及新颖度与可合成性的损失关系——只报有效结构比例，等于什么都没报。可合成性预测与前驱体路径应与生成模型同期报告，否则候选清单无法排序。

六、外推分割的评测革命

材料机器学习长期随机拆分同一数据库，训练与测试常包含相似成分、原型甚至同一计算工作流的近邻条目，低误差主要测插值。研究者却把它外推为“能发现新化学空间”。问题不在模型再加一层，而在评测是否模拟真正的未来候选和分布变化。

外推评测主张，应按成分家族、晶体原型、时间、实验室或数据库来源切分，明确训练域和部署域的距离；同时报告最坏组误差、置信度校准和拒绝率。随机分割仍可测数据内插值，但不能承担发现能力的结论。

2019年后的Matbench等基准与多项再评测显示，许多在随机划分中领先的模型，进入元素留出、结构留出或时间留出后误差显著增加，模型排名也会改变。研究还发现同一材料的多重计算或相近衍生结构会造成数据泄漏；去重与分组后，表面上的巨大进步大幅缩小。

边界是过严留出可能创建与实际应用无关的任务，所有新材料也并非完全域外。评测必须根据用途定义距离与拒绝成本，而不是追求最难基准。决定性判据是基准排名能否预测后续真实实验命中率。若外推榜单与部署表现无关，分割方法仍需重写。还应公开模型拒绝预测的样本比例，否则系统可能只挑容易样本制造虚假可靠。

这条评测革命的实际后果是论文的可信度结构变了：排行榜名次不再自动等同于可用性，审稿人开始要求给出留出家族与时间留出的结果。它对工业用户尤其重要，因为企业关心的正是模型在自家没见过的合金体系上的表现，而不是在公开数据库随机划分上的第几名。更深一层的影响是它改变了模型改进的方向——从追求更强的拟合能力，转向不确定度校准与拒绝预测的能力，即让模型学会说「这个我不知道」。另一处是基准的维护：外推划分需要有人持续更新划分方案，否则划分本身会被过拟合，重演随机划分的老路。

它是「三、图神经网络」「四、等变势」「五、生成式逆向设计」共同的裁判，因此本块的多条命题都要在它这里过一遍。一处反向证据来自评测本身的代价：严格的外推划分会让所有模型的成绩都难看，从而削弱发表动机，因此实践中出现了「用外推分割做一节讨论、用随机分割报主结果」的折中。这种折中会让文献整体读起来仍然乐观。因此这条命题的检验量应是外推集误差与随机切分误差之比，并要求把它作为主结果而非附录。外推结果应作为主结果呈现，放进附录等于取消了这条规程。

七、增材制造的过程—组织—性能图谱

增材制造早期多用激光功率、扫描速度和能量密度寻找“可打印窗口”，把致密度视为主要成功指标。相同名义能量密度却可产生不同熔池、热梯度、残余应力和缺陷；不同设备间参数更无法直接迁移。问题是怎样从机器设置跨越到热历史、组织和最终性能。

过程图谱理论主张，用热源—熔池—凝固—组织—缺陷—性能链条定义工艺窗口。单一体积能量密度不足，至少要考虑功率、速度、光斑、层厚、扫描策略和边界散热；在线熔池与层间监测应通过机理模型连接到孔隙、晶粒与残余应力。

2016年后的同步辐射高速成像、热像与多物理模拟直接观察了钥孔形成、气泡俘获和飞溅，证明孔隙并非只由平均能量决定。NIST和多机构基准件工作推动设备间比较，结果显示同一参数在不同粉末、气流和光学系统上产生不同组织，必须把机器校准和材料批次写入图谱。

边界是高维图谱容易由少量样件插值，在线信号与内部缺陷也可能多解。必须用跨设备盲打印、三维缺陷表征和力学寿命验证，而不是只预测熔池宽度。若图谱不能在新设备上给出可靠调整方向，它只是单机经验地图。图谱还应说明迁移所需的新增校准样本；若每换设备都要大规模重采，所谓通用性便没有成立。

过程图谱最要紧的一句结论是否定性的：体积能量密度这个被广泛使用的单一指标不足以定义工艺窗口，同一能量密度可以对应完全不同的熔池行为与缺陷类型。这一句话直接影响了工业实践中最常见的做法——按能量密度移植参数。它的正面交付物是可复用的窗口图与基准件，以及配套的过程监测：熔池成像与热信号被用于在线判定是否越窗，这使增材制造第一次可能在逐层尺度上做质量控制，而不是只能靠事后 CT。另一处是标准件：跨实验室比较需要公认的基准几何与测试件，这类共享基准的建立比任何单篇论文都更能推动领域。

与「八、增材材料的非平衡组织」是同一工艺链的两段：七管缺陷有没有，八管组织是什么。二者常被混谈，实则一个是合格性问题，一个是性能设计问题。一处反向证据是跨设备迁移：同一份参数在不同型号设备、不同粉批与不同保护气流条件下给出的窗口位置不同，窗口的可移植性远低于期望。因此这条命题的检验必须是合格组织窗口占参数空间的比例，并注明设备与粉末批次——不注明的窗口图不具备可复算性。窗口图必须注明设备型号与粉末批次，否则不具备可复算性。

八、增材材料的非平衡组织

传统合金设计基于铸造、锻造和热处理的近稳态相变，增材制造的极高冷却速率、重复热循环和空间温度梯度会形成细胞亚结构、过饱和固溶体、织构与残余应力。把打印件视为“同一牌号的另一种成形”无法解释其各向异性和热处理响应。

非平衡组织理论主张，增材过程本身是材料设计变量，可通过热历史选择亚稳相、偏析尺度、缺陷结构和织构；性能应由过程生成的组织状态定义，而不是仅由名义成分和牌号定义。后续热处理必须针对这些非平衡状态设计，不能照搬铸锻规范。

2016年后对不锈钢、镍基、钛合金和高熵合金的原位与多尺度研究显示，快速凝固会形成微米/亚微米细胞结构和元素偏析，重复扫描又产生复杂热影响区。某些打印316L在高强度下仍保持延性，被归因于细胞结构与位错网络；热处理消除这些结构后，性能也随之改变。

争议是非平衡组织的优势可能伴随孔隙、残余应力和批次不稳定，局部小试样结果难代表部件。相同牌号不同机器、方向和位置也会形成不同组织。必须以三维位置分辨组织、残余应力和全尺寸寿命限定。若性能无法通过可控热历史重复生成，就不能把偶然打印组织称为设计机制。

把过程当成设计变量，最直接的后果是牌号体系失效：同一名义成分经不同扫描策略打印出的材料，其屈服强度、各向异性与耐蚀性可以差出一大截，因此按成分订货的标准无法保证性能。行业正在被迫补上两件事——按「成分＋工艺＋组织」三元组定义材料的规范，以及要求供应商交付工艺参数记录。这一变化对认证周期长的行业（航空、核、医疗）尤其昂贵，也是增材件认证成本居高不下的根本原因之一。另一处是后处理：热等静压与热处理会部分抹去打印态的非平衡组织，因此设计意图必须与后处理规程一起申报。

它与「甲、集成计算材料工程」在方法上呼应：ICME 主张工艺历史进入模型链，八正是这条主张在增材上的强形式。一处反向证据是稳定性：非平衡组织在服役温度下可能随时间演化，快速凝固形成的细胞结构与偏析在热暴露后逐渐消失，早期报道的高强度随之回落。因此这条命题的可检验形式必须包含批间性能变异与平均性能之比，并给出服役温度下的长时热稳定性数据，而不是仅有打印态的力学结果。长时热暴露数据缺失的打印态力学结果，不足以支撑服役性能主张。

九、高熵合金的短程有序

多主元固溶体常被近似为完全随机占位，力学和热力学模型据此使用平均原子环境。但原子之间仍有化学偏好，近邻尺度的有序可能在衍射看似单相时存在，并影响位错摩擦、层错能和相稳定。问题是“随机固溶体”是否只是测量分辨率下的平均图景。

短程有序理论主张，多主元合金中的局部近邻概率偏离随机分布，形成不产生长程超晶格峰的化学有序。这种有序可改变位错路径、滑移平面粗糙度和成核势垒；其程度受温度、冷却历史和成分控制，因此同一平均成分可能具有不同强度与延性。

2018年后的原子分辨电镜、中子/散射、三维原子探针和计算研究在多种CrCoNi及相关合金中报告局部化学相关，并提出短程有序影响位错和孪生。不同实验对有序强度甚至是否存在得出不同结论，原因包括样品热史、探针灵敏度和模型反演。争议本身促使“完全随机”从默认变成需检验假设。

边界是局部成分涨落、偏析和真正有序在有限数据中难区分，模拟势也可能预设化学偏好。要证明因果，应在相同平均成分和晶粒下改变退火历史，直接测有序并盲测力学；若有序量变化不能预测位错机制或性能，它可能只是伴随结构。

短程有序把高熵合金的一个实践困扰解释清楚了：同一成分在不同热处理下性能差异很大，而常规衍射看不出任何相变。这意味着热处理规程必须被当作成分的一部分来申报，也意味着此前大量只报成分与性能的文献难以复现。它对表征体系的要求随之提高——需要中子或电子衍射的漫散射、原子探针与理论计算三方互证，而这套组合在多数实验室不具备，因此该领域的结论目前高度集中在少数几个平台上。另一处是模拟的作用：短程有序难以直接观测，第一性原理与蒙特卡洛模拟在这里不是补充而是主要证据来源之一。

与「戊、多主元高熵合金」是同一材料的两层描述，也与「辛、界面相工程」共享一个方法学困难：要测的都是局部的、统计意义上的结构状态。一处反向证据是测量的争议本身——同一体系中短程有序的存在与程度在不同研究间有分歧，部分信号可能来自样品制备引入的伪影。因此这条命题的检验量必须是短程有序参数相对随机固溶基准的偏离，并配上性能增量与热处理时间的关系，而不是仅凭一张电镜图。样品制备引入的伪影必须被排除，单张电镜图不能作为存在性证据。

十、异质结构的背应力协同

双相、层状和梯度材料的强韧优势曾被简单归因于“硬相强、软相韧”的混合法则，但实际性能常超过体积分数平均。硬软区域变形不相容，会在界面附近积累几何必要位错和长程内应力；问题是这种异质变形能否提供额外加工硬化，并怎样与损伤竞争。

异质结构理论主张，尺度合适的硬软域在共同变形时产生背应力—前应力对和异质变形诱导硬化，延缓局部颈缩，使强度与延性协同。关键变量是域尺寸、强度差、界面结合与空间连通，而不是简单相比例；异质过强也会在界面诱发裂纹。

2017年后异质层片钢、梯度结构和双峰晶粒材料的加载—卸载、数字图像相关与原位衍射观察到显著背应力和局部应变分配。模型显示，额外硬化随强度差与界面密度增加，但达到某一程度后损伤提前。结果把“异质性有益”改写成有窗口的尺度协同。

争议是背应力常由循环卸载间接估计，织构、相变和残余应力也会贡献滞回；不同论文对“异质结构”的范围使用过宽。需要局部应力和应变的独立测量，并比较同成分、同相比例而域尺度不同的样品。若性能只由体积分数解释，背应力协同命题就被削弱。同时应报告界面损伤何时超过额外硬化收益，否则协同只覆盖早期塑性而非完整失效。

异质结构的实用价值在于它给了工程一条不改成分的增强路径：靠轧制、退火与层叠等常规工艺构造软硬区域，就能在现有牌号上换取强塑积的提升。这对成本敏感的量产钢与铝合金尤其有意义。它的门槛在于工艺窗口窄——域尺寸与强度差都有最优区间，偏离后背应力效应迅速衰减，而这两个量在连续生产中的波动往往大于窗口宽度。因此这条路线的产业化更多受制于工艺稳定性，而不是机制本身是否成立。另一处是焊接与连接：异质结构件在焊接热影响区会失去精心构造的域分布，接头往往成为整个构件最弱的一环。

它与「庚、梯度纳米结构」机制同源（都靠区域间约束产生背应力），差别只在空间排布是连续还是层片，因此两者的读数可以直接换算比较。一处反向证据是背应力的测量：加载—卸载迟滞回线法给出的背应力值对卸载幅度与判读方式敏感，不同研究组的数值不可直接比较，学界至今没有统一规程。因此这条命题的可检验形式应是背应力与总流动应力之比，且必须注明测量方法与卸载参数。背应力的测量规程未统一之前，跨研究组的数值比较应当谨慎。

十一、四维原位失效

传统断口和截面表征在失效后观察结果，难区分裂纹从哪里开始、孔隙怎样连接、局部应变何时转为不可逆损伤。二维图像还可能把不相连缺陷误判为贯通。同步辐射断层、衍射和高速成像使三维结构随时间连续观察成为可能，问题是失效机制能否由终态叙述转为动态因果链。

四维原位理论主张，在加载、加热、腐蚀或辐照过程中同步测量三维缺陷、晶粒应变与裂纹演化，把时间作为第四维。模型应预测裂纹萌生位置、路径和时间，而不仅拟合最终曲线；局部孔隙、界面和残余应力可由事件前状态直接检验。

2016年后的同步辐射微米/纳米CT、衍射对比断层与数字体相关在增材合金、复合材料和电池中追踪孔隙长大、裂纹连接和晶粒载荷分配。实验揭示某些最大孔隙并非首裂源，真正危险性由形状、邻域和局部应力决定；时间分辨率不足又可能漏掉快速跳裂。

边界是视场小、辐射剂量、样品尺寸与加载装置会改变代表性，重建算法也可能制造或抹去微缺陷。四维证据必须报告分辨率、漏检率、体积代表性和模型盲预测。若只在事后选择一条“看起来合理”的裂纹链，动态成像仍可能成为更精细的故事。

四维原位最深的影响是把失效研究从事后解剖改成了过程记录：过去只能看断口反推，现在可以看到某个孔隙在第几个循环开始长大、裂纹如何在晶粒间选择路径。这对模型验证的意义远超对现象描述的意义——它第一次提供了可以逐点比对的时空数据，使裂纹萌生模型不再只能用寿命曲线做整体拟合。它的稀缺性也很明确：依赖同步辐射光源与长机时，样品尺寸受限，因此结论的代表性始终需要与常规尺寸试样对照。另一处是数据量：一次四维实验产生的数据以太字节计，存储、配准与共享的成本已经成为这类研究的实际瓶颈。

它与「七、增材制造的过程—组织—性能图谱」和「八、非平衡组织」构成一条闭合链：过程造出缺陷，四维观测看它如何致命。一处反向证据是尺寸效应：为透 X 射线而做的小样品，其缺陷分布与应力状态与实际构件不同，观察到的萌生机制未必主导实际失效。因此这条命题的检验必须报出已追踪缺陷体积占总缺陷体积的比例，以及观测时间分辨率与裂纹增长时间之比——分辨率不足时，看到的只是若干快照之间的插值。小样品结论外推到构件前，应有一次常规尺寸试样的对照。

十二、回收合金的杂质容忍

传统高性能合金按原生高纯原料设计，回收时依靠分选和稀释把杂质压回规范；一旦铜、铁、锌、涂层或多元素混入，材料便被降级使用。循环制造要求的不只是提高回收率，而是新合金能否在真实混料和多次循环中容忍不可避免的杂质谱。

杂质容忍理论主张，把回收流中可预期的元素波动直接写入合金设计，利用相稳定、偏析控制、热处理和多主元缓冲形成性能对杂质的宽容窗口。目标不是恢复绝对纯度，而是在给定分选成本下保持关键性能，并明确何种杂质组合会触发脆性相或热裂。

2020年代铝、钢、镁及多主元合金研究开始用高回收含量和真实废物流评估性能，显示某些成分与工艺可容忍更高Fe、Cu等杂质，减少原生金属稀释；研究也发现单次再熔合格并不保证多循环稳定，微量元素累积和涂层残留会改变凝固与疲劳。

边界是实验常用人工配制的“干净杂质”，不能代表废料中相关波动、氧化物和有机残留。容忍还可能以更复杂热处理、能源或稀有元素为代价。必须报告真实废物流、多循环累积和完整生命周期负担。若性能窗口只在一次实验室再熔中成立，它不能支撑循环设计。

杂质容忍这条命题把回收从环保话题变成了材料设计问题：目标不再是把再生料提纯到原生水平（能耗与成本都高得离谱），而是让合金在一定杂质带内保持性能。它的制度依赖非常强——只有当废料流的成分分布可被统计与追溯时，设计者才知道该容忍哪一段。因此它同时推动了分选、标识与来料检验体系的建设，这部分基础设施的投入往往超过冶金本身，也是不同地区进展差异巨大的原因。另一处是标准：现行合金牌号以杂质上限写成，容忍设计需要的是分布而不是上限，标准体系尚未提供表达方式。

它与「甲、集成计算材料工程」是一对：ICME 让人可以在设计阶段把杂质作为一个显式变量传进组织与性能预测，杂质容忍则给出了这个变量该取多宽。一处反向证据是循环次数：一次回收的性能保持率良好，不代表多次循环后仍成立，某些杂质会在每轮循环中累积并越过阈值。因此这条命题的可检验形式必须是再生料含量与性能保持率的对应关系，并且要在多轮循环的模拟废料流上验证，而不是只用一次配制的合成杂质料。验证应使用多轮循环的真实废料流，而不是一次配制的合成杂质料。

◎ 二十年连起来看

第一幕把材料从经验配方改写为可计算、可共享并可跨尺度设计的对象：ICME连接模型链，MGI建设数据基础，高通量和开放筛选扩展搜索，多主元、孪晶、梯度与界面相则重新定义可设计的组织。第二幕进一步把搜索本身放上检验台：自主实验和生成模型必须面对校准与合成，机器学习必须接受外推分割，增材制造必须追踪真实热史，局部有序与失效必须由空间时间证据确认。

被继承的判据是组织状态而非成分标签、外部验证而非数据库内精度、生成路径而非最终样品。多主元合金与短程有序、纳米孪晶与异质背应力、ICME与增材图谱都表明，同一平均成分因局部结构和制造历史不同而具有不同性能；高通量、主动学习和生成式设计则都只有在独立实验命中时才成立。

被推翻的默认包括：数据库越大预测就越可靠、随机测试集精度代表新材料发现、打印同一牌号等于获得同一材料、元素越多熵越能稳定单相，以及回收只需把废料净化回原生规格。两幕仍未解决的是怎样把实验室尺度的局部机制与工业部件的寿命、成本和多循环材料流连接成同一证据链。

◎ 三个常见误解

误解一：材料基因组意味着用计算替代实验。 正确读法是，计算、实验和数据必须互相校准；计算筛选只能缩小候选空间。误读来自数据库规模容易量化，而合成失败、元数据和制造验证不容易展示。

误解二：机器学习误差低就能发现新材料。 正确读法是，随机切分多测近邻插值，真正发现要通过成分、原型或时间外推以及实验命中。误读源于测试集数字看似客观，却可能隐含结构重复与数据库泄漏。

误解三：增材制造只是更自由的成形方法。 正确读法是，极端热历史会生成不同相、织构、缺陷和残余应力，打印过程参与定义材料本身。误读来自牌号名称保持不变，而材料状态已被制造路径重写。

◎ 与相邻领域的接口

与机械工程的接口在本构、裂纹和模型可信度。材料面板提供局部组织与失效证据，机械面板把它们转为部件响应和寿命；见相邻面板〈238 机械工程〉的“相场疲劳”和“风险相称模型可信度”。

与化学工程的接口在连续合成、分离、热处理和放大。自主材料实验若不能把配方扩展到稳定过程，发现不会进入制造；见相邻面板〈237 化学工程〉的“数增放大”和“鲁棒可操作域”。

与核科学与工程的接口在辐照材料、包壳和长期老化。短时强度不能代表辐照、腐蚀与贮存几十年的组织演化；见相邻面板〈241 核科学与工程〉的“高燃耗燃料的包壳边界”和“在线老化状态估计”。

与环境工程的接口在回收流、杂质谱和跨介质负担。高回收含量若依赖高能净化或产生危险残渣，材料循环并未闭合；见相邻面板〈242 环境工程〉的“化学回收的质量平衡边界”和“跨介质污染转移审计”。

◎ 争议现场

第一场争论是自主实验是否真的发现新规律，还是更快优化一个狭窄目标。支持者展示实验效率，反对者指出目标函数、仪器漂移和预设搜索空间决定结果。要收敛，需要跨实验室复现、失败样本公开和同等预算的人类/网格对照。

第二场争论是高熵合金短程有序对力学性能有多大因果作用。不同探针与模拟得出不同有序程度，样品热史也不一致。需要同成分、可逆热处理、直接有序测量和盲力学测试，区分有序、偏析和普通成分涨落。

第三场争论是机器学习势与生成模型能否进入高后果材料设计。支持者强调速度和高维搜索，反对者强调罕见构型、合成路线与域外自信错误。收敛需要明确拒绝机制、长时间稳定性测试和真实合成命中率，而非只比较数据库指标。

◎ 往下五年看什么

观察点是材料机器学习论文是否普遍报告成分、结构原型和时间外推，而不是只给随机划分。可统计外推误差、置信度覆盖和失败候选公开比例。

观察点是自主实验是否形成跨实验室可移植的设备与数据协议。决定性读数是同一策略换平台后仍能提高单位实验发现率，而非单一装置的最快循环次数。

观察点是增材材料资格是否从参数窗口转向热史—组织—寿命证据。应看跨设备盲打印、全尺寸疲劳和三维缺陷追踪是否进入标准流程。

观察点是回收合金开始报告真实废物流和多循环杂质累积。若仍使用单一人工杂质和一次再熔，循环容忍尚未成为工程判据。

◎ 可与哪些领域对撞

本块“自主闭环材料实验”可与第048号《AI安全与对齐》的“评估成为基础设施”对撞。两者共享的预设是：系统会根据评估信号改变下一步行为。相反点在于：自主实验把预测不确定性转成下一次实验，对齐评估却担心系统学习评价器的漏洞。若两边都成立，就需要把“找高分材料”与“验证机制”分成两个奖励通道，防止闭环只在测量盲区内提高分数。

本块“外推分割的评测革命”可与第074号《因果推断》的“局部处理效应的含义被讲清”对撞。两者共享的预设是：样本内平均性能不等于新总体中的可迁移效应。相反点在于：材料机器学习要求按化学家族或结构距离留出测试，因果推断则把结论限定在有支持的局部人群。若两边都成立，材料模型的适用域应像因果效应的目标总体一样被显式登记，而不是用一个全局误差覆盖。

本块“回收合金的杂质容忍”可与第149号《会计与审计》的“可持续信息进入鉴证”对撞。两者共享的预设是：循环收益必须能沿物质与责任链被核验。相反点在于：材料工程关心再生料杂质如何改变性能，鉴证关心披露边界和证据质量。若两边都成立，循环材料的环境声明必须同时包含再生料比例、杂质谱、性能保持率和不可解释物质损失。

◎ 十条可做的研究命题

ICME模型链的主要误差来自少数尺度接口；对同一部件逐层传播不确定性并盲测寿命；若误差均匀分散，接口瓶颈命题不成立。

高通量薄膜排序可经少量校准迁移到块材；选取跨相区候选独立制备；若排序相关接近随机，组合平台只能用于假设生成。

主动学习的不确定性应预测真实误差；预注册盲样比较置信度与实验偏差；若高不确定样本并不更易失败，采集函数失去依据。

等变势在新缺陷和相变中应主动拒绝；用未见构型测试能量、力和拒绝率；若高误差仍高置信，不能用于长时间动力学。

生成式设计在等量计算预算下提高实验命中率；与主动筛选和随机库比较；若命中率无优势，生成新颖性没有工程价值。

增材过程图谱可跨设备通过少量校准迁移；在不同机器盲打印同一目标组织；若需完全重建图谱，普适映射命题被否定。

高熵合金短程有序能独立改变位错机制；同成分改变热史并测有序、滑移和强韧；若性能不随有序量系统变化，因果命题不成立。

异质结构存在最佳域尺寸使强延协同最大；制备同相比例不同尺度样品；若性能仅随相比例变化，背应力机制被削弱。

四维原位状态可在裂纹出现前预测首裂位置；用盲区域排序并加载验证；若命中率不优于最大缺陷规则，增量价值有限。

杂质容忍合金可在三次以上真实循环后保持性能；用混合废流连续再熔；若杂质累积导致快速降级，单循环容忍不能支持闭环。

◎ 资料核验

正文中的人名、年份、设计、读数与制度文件依据下列原始论文、标准和官方资料核对；正文六段字数不含源行、碰撞行与本资料表。

下列资料与正文源行逐条对应，便于复核提出者、年份、卷页、读数与制度版本。