機器人、隱身衣、航空發動機。
三個完全不同的領域，三個看起來毫不相干的技術難題，最終的瓶頸全部落在了同一個地方。
他需要一套能從根本上解決材料設計問題的工具。
不是改進某一種材料，而是建一套能從原子尺度出發、直接逆向設計金屬材料的通用計算框架。
給定目標效能就能反向算出最優的成分組合和製備工藝。
這個想法一冒出來，他腦子裡那些散落的知識碎片就開始自動拼接起來了。
現有的材料設計方法，不管是第一性原理計算還是分子動力學模擬，本質上都是在已知成分和工藝的基礎上去預測效能。
預測完之後，人拿著結果判斷哪個方向更好，再手工調整引數跑下一輪。
整個流程從概念設計到拿到可用樣品，平均週期是十到十五年。
這當然不是因為計算慢，時間主要還是浪費在了方向的選擇上。
畢竟你不能保證你的第一選擇永遠是對的。
而一旦方向錯了，那就得重新選擇，這個過程浪費的時間可不少，一個實驗，一做可能就是好幾年。
科研人員最黃金的那幾年，又能做幾次實驗呢？
所以，有時候選對方向遠比堅持更重要。
肖宿想來想去，或許可以像當初他做出顧辛幾何框架一樣，重新設計一個計算模型，讓整套材料模擬體系擺脫正向迭代的固有桎梏，直接搭建起從宏觀效能指標反向錨定微觀原子構型、組分佔比與加工工藝的逆向求解通路。
但是逆向求解和正向迭代的難度是完全不在一個量級上的。
金屬材料的效能由多個層次的結構共同決定，最底層是電子結構，往上是晶體結構，再往上是微觀組織，最後才是宏觀的服役效能。
強度、韌性、疲勞極限、蠕變速率、抗氧化性，這些指標沒有一個是獨立的。
晶界密度拉高了強度，位錯的滑移空間就被壓縮，韌性掉下來。
抗氧化性靠鉻和鋁在表面形成氧化膜，這層膜確實能擋住氧往裡擴散，但是它本身是脆的，在高應力下會開裂剝落。
這也就是材料科學裡最經典的“蹺蹺板效應”，按下葫蘆浮起瓢，一個性能上去了，另一個性能自然就得下來。
想要全部都達到最優效果，太難了。
而且變數維度太高了。
一個四元合金體系，成分比例、熱處理溫度曲線、變形加工引數全算上，待最佳化的變數輕輕鬆鬆超過三位數。
這些變數之間的關係是非線性的、多峰值的、存在大量區域性極小值的，傳統的梯度下降或遺傳演算法在這種地形上跑，十個有九個會掉進坑裡爬不出來。
想到這裡，肖宿忽然停了下來。
或許，也不是沒有辦法的。
他手裡就有一把現成的鑰匙。
