材料设计与服役评价的计算仿真横跨从亚原子到宏观多种尺度，基于物质的层展性、不同尺度遵从不同的动力学方程。虽然实验观测与工程实践已提供了一定量的数据，理论分析也建立了一系列动力学基本方程，然而，工程实践中仍感数据不足、规律不明，不得不采用许多工程近似...

    跨尺度信息（参数）传递、实际工况参数获取、多种物理化学过程耦合等等因素的叠加严重制约了多尺度联动计算仿真的能力（难事 — 在做的事），例如，对化学反应、物相转变的量化描述欠缺导致工艺、服役过程的有限元仿真计算严重偏离实际情况，让仿真计算对工程设计与实践的指导意义大打折扣。

    人工智能（AI）不仅仅有大语言模型（LLM）、有基于神经网络（NeuroNetwork）的深度学习算法等成就，如何对现有实验数据进行智能计算以发现量化的数理模型（工程设计选材工具略见：从相干性到因果性），如何深度挖掘实验数据的价值以利材料的多尺度联动计算仿真、以利新材料快速发现与利用还有很大的空间。两年来的思考与实践进展如下：

    交叉论证还在继续...