技术突破领域1：新颖的传感技术和实时监测
技术突破领域2：数据挖掘、压缩、存储和管理
技术突破领域3：NDE及传感器的预测模型工具
需要借助材料模型和过程模型来预测采用其他方式非常困难或者不可能测量出的材料参数和特征。模型应能对实时传感数据做出快速响应。同时应开发虚拟传感器，为了能使其更好的被制造者广泛接受，需要对其算法进行研究。模型的开发和实施应该考虑不同的NDE形态，包括材料的微结构和缺陷，及他们之间的相互作用。结合了有限元模型数据和真实NDE数据的预测模拟可以增加预测模型的鲁棒性，可以帮助制造者更全面的了解材料缺陷数量及其对制造过程的影响。
二、不同材料的结合
技术突破领域1：多材料设计、模型及快速表征工具
技术突破领域2：用于多材料联合应用的新候选过程和材料
近些年，一些不同材料结合领域出现了一些进展，如电弧焊接、混合结合方法和固态结合方法。用于结合的新方法、新材料和新工具可以在多材料应用领域发挥作用。该领域有前景的方向是研发具有高粘度、导电性、大的温度范围及具有高热循环耐受性的低成本粘合剂。加工过程中表现出良好相变性能的材料应该成为多材料结合的候选材料。通过不同材料的创新结合制备的组件也可以应用到产品的再循环和临终拆卸中。
技术突破领域3：固态和沉积结合过程
三、加速材料发现和设计的机器学习
技术突破领域1：机器可读的数据格式和架构
技术突破领域2：快速的数据产生
为更好的利用机器学习工具的各种优势，需要采用新的实验方法产生大量低成本标准化数据。研究人员曾表示即使是失败的实验，机器学习方法也可以给出一些有用的见解。有必要在数据产生阶段研发可以促进合金及制造过程发展的快速数据扫描技术；在材料研发和制造阶段研发可以快速产生数据及进行机器学习的专有传感器，以增加数据驱动分析工具的使用机会。
技术突破领域3：计算机筛选和机器学习方法
在材料筛选和发现过程中有必要使用能对传感器发出的反馈信息进行持续评估的软件工具，有必要建立一种对材料和制备数据背后的一些物理、材料科学、冶金学及加工原理有一定知识储备的机器学习算法。同时研究能够兼容不同长度单位数据的方法，尤其是研究能集成不同制造阶段数据的方法。机器学习有利于高纬度材料和加工设计空间的快速寻找，以确认可行的材料，结构及加工条件。对于很难或者不可能得到数据的计算模拟可以与机器学习相结合来使用。
四、新材料和过程的认证
在对产品、材料和加工过程进行制备和部署之前，一般都要进行严格的质量测试，以确认产品的质量和使用寿命。质量测试还包含统计学上的设计容许值的产生，以确保最终测量得到的性能参数满足最初的设计要求。材料认证是需要重要资源的产品发展过程中重要且必须的一个阶段，尤其对于需要由新兴制造方法制备的新颖材料体系更是如此。现有的认证模式涉及对部分样品的破坏性测试，测试对象通常是通过确定的加工路线合成的且已经被广泛研究的材料体系。然而该方法并不适用于新材料的快速部署，也不适合经由增材制造制备的小部件的认证。所以，采用数字方法有助于对依赖于材料和组件行为的模型和模拟的认证。制备过程的原位监测可以帮助确认该组件是可用的，不需要再进行破坏性测试。
技术突破领域1：用于材料认证的最佳经验的框架
技术突破领域2：用于材料测试的计算模型认证方法
技术突破领域3：传感器和数据驱动的分析使快速认证成为可能
五、下一代导电材料
轻质的高性能导电材料有助于提高制造业的能源效率、生产能力及竞争力。通过提供高效便宜的铜替换材料，电网的基础设施部件有可能增加或者被替换，也可以将其作为使能技术用于可再生能源平台，还可以使军事及交通领域（尤其是航空）的应用轻量化，燃料效率提高及降低排放。下一代导电材料还可以促进小规模的生物医疗和生物兼容产品性能的提高，如脑移植、起搏器、植入式电极等。该领域的技术突破不仅可以影响美国的制造业，还将对美国社会（国家安全）产生重要影响。该领域的研究应该致力于大范围的材料筛选，包括先进的超导体、铜基体纳米碳复合材料、介电材料及涂层材料。
技术突破领域1：超导材料和新颖的纳米材料
技术突破领域2：涂层及介电绝缘体
技术突破领域3：用于能源存储和收集的导电材料
下一代导体将使小的高电压、能源密集且轻质、满足各种消费需求的转换器件成为可能。未来的器件可能会是采用增材制造技术制备的复杂的、高温高效的热交换器。用于收集流失热量的材料和结构设计方法可用于下一代导体支持的基础设施中。
六、智能制造和数字主线技术材料
材料创新对于智能制造非常重要。智能制造包括集成企业自动化软件、硬件工具、云服务、3D计算模型、传感器、移动计算、智能等功能，结合平台的使用，使制造企业能够实现前瞻性管理。在智能制造过程中采用数字主线技术对材料和加工过程进行追踪可以控制操作过程，可以帮助制造者监测材料，生产能力和产品质量，不间断的检验材料缺陷和损伤，管理如能源消耗等各种材料处理、加工及制备参数。
技术突破领域1：可以测量详细的材料加工数据的传感器
特别需要对现有传感器设备和平台进行基础性研究，以确定他们在获取关键材料性质参数及材料缺陷方面的能力。由于受到来自制造环境方面的挑战，需要采用弹性非接触传感器实现对制备过程的间接测量。同时需要创新的材料技术支持低成本、鲁棒且耐用的传感器的发展并展示其可行性，以提升许多老牌金属企业对传感器的接受程度，实现新的突破。
技术突破领域2：材料数据管理、分析和智能决策
用于监测和量化材料数据中的模型或者加工参数的人工智能跟踪算法和机器景象分析可以与决策理论相结合，为快速决策和策略调整创造新的可能性，以降低材料和过程的可变性，提高产品质量。自动化的前摄控制也有望监测制备组件的质量。
技术突破领域3：计算的材料模型工具
用于材料建模和工作流管理的产品寿命计算模型是智能制造实践中不可缺少的部分。材料团体应该研发新的界面友好、傻瓜式、与智能制造基础设施兼容的集成计算材料工程（ICME）高级工具。这些工具应该使用可信的，可追踪的材料模型和产品发展链以追踪跨越不同材料体系和过程的参数，这样可以确保本地组件材料的微结构满足最初的设计要求。
七、智能材料
技术突破领域1：新颖的智能材料和制造方法
90年代起，智能材料的研发开始有长足进步，但还要做很多工作才能使其更为广泛地应用于下一代制造，如自适应材料和结构可以促进基于生物模拟材料、自清洁材料、自愈材料及生物兼容材料的下一代制造组件的发展。最有前景的智能材料有高性能陶瓷、碳基材料、无铅压电材料、热电能源收集材料。应该探索能组装具有不同层级架构的智能材料的增材制造技术，可能包括由化学反应过程增强的增材制造技术。研究者还要研究其他创新材料制备方法，实现将基于智能材料的传感器及制动器嵌入到结构材料和组件内部的同时结构的完整性不会受到影响。
技术突破领域2：建模和数据分析
智能材料另一个有潜力的研究领域是研发预测性计算模型工具，该工具可以用于快速扫描和发现能应用于各种制造领域的智能材料候选材料。同样，模型和数据分析可以帮助确定在结构或者功能材料的制备过程中智能材料传感器的最佳位置。但首先需要加深对候选材料性能的基础性理解。
【编辑】侯思璇
-----合作伙伴网站-----
-----科研院所网站-----
-----学会协会网站-----
-----政府部门网站-----
-----行业媒体网站-----
通讯地址：沈阳市和平区文化路3号巷11号东北大学105信箱邮编:110819