当AI遇到材料科学与工程，首当其冲会遇到什么？

1） 拟应用的材料科学与工程场景是否够重大？是否必要？如果现有方法已经可以较好地解决具体场景遇到的问题，使用AI工具重新解决一遍其实并未增加多少新知识。也许可以提高一下求解效率、缩短求解时间；

2） 对于一些极端环境应用的材料问题，观（监）测手段有限、数据稀缺，既包括自然语言对该问题的描述文本有限也包括技术指标参数有限。此时，以深度学习为代表的大数据智能就显得力不从心了；

3） 即使不考虑极端环境应用场景，材料科学与工程本就是小数据。面对此情此景，不能忘了AI不仅仅包括大数据智能，还有跨媒体智能、人机混合增强智能、群体智能和自主智能。如果囿于大数据智能的话，高通量生产数据的技术、开放数据等呼声将不绝于耳；

4） 传统材料计算方法面临多尺度、跨尺度仿真困难，面临多场作用耦合难题，面临超越线性近似的强非线性窘境。DFT等第一性原理仿真基本上对应的是材料的基态，热力学条件变化时的仿真方法尚在发展中；Ansys等工程仿真过程中使用的本构方程未建立与材料特征信息的直接关联，调参的结果无法对应到具体的材料上，更有甚者，还缺少许多工况条件下的材料参数。

面对AI+材料的发展趋势，调包应用还是Design for X(面向X设计)? 这是一个选择! 

场景足够重大才值得投入全身心的精力，解决现有方法未尽难题才应是工作目标，尊重现有小数据和大理论的现实才能找到出路：