我自己从事的是材料领域。目前全球正在推进AI在材料领域的应用。
首先材料的开发分为如下阶段:发现、开发、优化、小试/中试、量产。
1 材料发现。其中开发阶段主要是新材料的发现，传统的材料发现是炒菜式试错发现方式，基于试错和研发人员进行试错发现，但是效率低，时间周期长。随着计算机技术的发展以及AI技术的发展，加之全球在推动材料基因组计划，产生了大量的材料数据和材料数据库。因此AI就可以在材料专家的使用下，用于新材料的发现。我们称之为材料基因组，相关的研究材料的方式也叫作材料信息学(material informatics)。当然这里需要强调的是，mgi(材料基因组计划)是借鉴的生物基因组或者化学信息学的技术路线。因为在生物医药、计量化学等领域很久之前就把AI应用到分子材料的发现和医药的研究中了，主要是研究定量构效关系，即qsar。举个简单的例子，AI可以用于发现新材料。传统的热电材料发现都集中在元素周期表的六主族附近，但结合AI，你就会发现在二主族附近也有类似的材料。即AI可以实现如下应用:发现新材料，发现已知材料的位置性能。
2 材料开发。材料开发讲之前需要明确，材料按照大类分为功能材料和结构材料。功能材料以半导体材料为例，结构材料以钢铁为例。功能材料是由元素、官能团或者结构确定其功能。而结构材料却不仅仅是上述决定因素，需要考虑到对应的工艺参数。那么在材料开发，即性能预测、成分设计方面，AI可以加速材料的设计或者说基于数据驱动辅助材料设计。比如在锂电添加剂中可以通过machine learning来拟合一些计算材料学数据供DFT软件计算。
3 中试与小试。结合AI可以在数据量较少的情况下去做数据挖掘，实现描述，诊断，预测等功能。同时AI可以与试验设计(DOE)结合加速doe的设计，减少实验次数，降低成本。
4 量产阶段。这个时候就是质量管理，失效分析，能耗管理，排程优化，先进过程控制等等，这个可以详细参考工业大数据白皮书，里面有详细的介绍。
5 其余和专业工业软件的融合，比如AI和eda融合，AI和fem融合，AI与cfd融合。
各种例子数不胜数
