读2025世界前沿技术发展报告37新材料技术发展(下)

1. 太空成为各国新材料领域关键场景

1.1. 太空对国家安全、科技制高点的争夺以及未来经济发展至关重要

1.2. 太空资源丰富，包括稀有金属、氦-3等能源资源，以及可用于通信、导航和军事监测的战略位置，使得太空成为各国竞相争夺的战略高地

1.3. 各国纷纷加大对太空探索和开发的投入，新材料的开发更是成为其中的关键一环

1.4. 新材料不仅能够助力航天器实现轻量化、高性能化，还能推动卫星通信、太空探索等前沿技术的突破，进而带动相关产业的升级与变革，对各国的经济社会发展和科技竞争力具有深远影响

1.5. 基于卫星的矿产资源扫描技术发展迅猛

• 1.5.1. ExoSphere利用Fleet Space的低地球轨道（LEO）纳米卫星星座、称为Geodes的地面传感器、边缘计算和人工智能进行环境噪声断层扫描（ANT）地球物理勘测，以扫描埋藏于地球表面以下2000米的岩层

• 1.5.1.1. 可用于寻找隐藏在视线之外的钴、铜、锂、镍和其他关键金属矿床

• 1.5.1.2. ExoSphere提高了收集数据的质量，加快了基于数据作出勘探决策的速度，并有助于最大限度地减少整个矿产项目对环境的影响

• 1.5.2. 重力地球物理勘探用于测量岩石密度差异导致的地球重力场变化

• 1.5.3. 英国Value.Space公司合作部署基于卫星的矿场监测和风险分析，以加强联合国的采矿安全举措

• 1.5.4. 通过将人工智能和卫星探矿与Ma'aden的行业领导地位相结合，这一举措将巩固沙特阿拉伯在全球采矿价值链中的领先地位

1.6. 各国持续推进航天器材料研发

• 1.6.1. 罗切斯特理工学院研究人员发现了新一代的金属卤化物钙钛矿材料，能够在暴露于宇宙射线时自我修复

• 1.6.1.1. 这种材料在地面潮湿和氧气环境中会发生降解，却在暴露于宇宙射线时能够自我修复，这一特性为未来的太空任务带来潜在的突破

• 1.6.1.2. 将该材料用于轻质和柔性薄膜太阳能电池中，有望提高卫星和其他太空技术的耐用性和效率

• 1.6.2. 英国布里斯托大学研究人员将四种碳纤维增强复合太空材料送往国际空间站（ISS）​，在极端条件下接受测试

• 1.6.2.1. 若这些材料能够适应恶劣的环境，将可用于制造寿命更长的空间站和宇宙飞船，延长航天器的飞行距离和运行时间

• 1.6.3. 镍钛形状记忆合金（SMA）弹簧轮胎

• 1.6.3.1. 这种金属可以在极端压力下适应变形，即使受到剧烈撞击，轮胎也能恢复到原来的形状

1.7. 太空原位资源利用技术研发取得初步成

• 1.7.1. 中国科学技术大学研究人员开发出一种由火星大气成分作为电池反应燃料物质的“火星电池”​

• 1.7.1.1. 结合火星的复杂环境，包括多种气体成分，以及昼夜温差约为60摄氏度的剧烈温度波动，开发出了以火星大气为直接燃料的电池，该电池在0摄氏度至60摄氏度范围内具有显著的温度依赖性

• 1.7.1.2. 这项研究为火星电池在实际火星环境中的应用提供了概念验证，并为未来太空探索中的多能互补能源系统的发展奠定了基础

• 1.7.2. 发现一种全新的利用月壤大量生产水的方法

• 1.7.2.1. 月壤矿物受太阳风亿万年的辐照，储存了大量氢，在加热至高温后，氢将与矿物中的铁氧化物发生氧化还原反应，生成单质铁和大量水

• 1.7.2.2. 1克月壤中大约可以产生51毫克至76毫克水

• 1.7.2.3. 提出了一种具有可行性的月球水资源原位开采与利用策略

• 1.7.3. 发现火星岩石含有丰富的有机碳，可被提取转化为火箭燃料

• 1.7.3.1. 早期火星大气中约80%的二氧化碳可能已经转化为甲烷并被封存在岩石表面的碳基有机化合物中，这些碳基有机化合物可以被提取并转化为火箭燃料，有望用作火星能源

• 1.7.4. 在太空中重新组装热塑性复合材料接头的新方法，可将月球着陆器支撑桁架变成垂直太阳能电池阵列支撑桁架

• 1.7.4.1. 该重组方法使航天器组件能够重复使用，这大大降低了材料运输成本

• 1.7.4.2. 该技术的应用方向包括航空航天、国防、电子、汽车和船舶等

1.8. 美澳开展太空采矿相关技术研发

• 1.8.1. Odin旨在从小行星开采贵金属，为地球日益减少的关键资源提供替代品

• 1.8.2. Fleet Space将开发外星微电机（MEMS）重力传感器，以实现行星表面的可扩展重力场测绘，评估底层地质构造和地下成分密度

• 1.8.2.1. 将有助于其快速评估地下结构，优化着陆点选择、探测车导航、基础设施规划以及加强潜在资源评估

1.9. 对中国的影响与启示

• 1.9.1. 以美国为首的西方国家凭借其在航天领域的优势，持续推进航天器材料开发、基于卫星的矿产勘探技术和太空采矿技术，太空成为新材料领域的重要应用场景

• 1.9.2. 多国强化航天材料研发并取得突出成果，太空仍是高新技术的重点关注领域

• 1.9.3. 建立全球太空领域关键项目持续跟踪机制，及时发现各国前沿技术、创新技术的动态和人才流动情况

• 1.9.4. 加强政策支持，促进产学研合作交流，为太空领域关键材料、技术研发提供资金政策支持，引导产业界、学术界和科研机构的合作，推动科研成果快速转化

2. 人工智能等高新技术加速新材料研发和制造生产

2.1. 各国大幅推进人工智能等先进技术研发，投入大量资源用于算法优化、算力提升和应用场景拓展

2.2. 人工智能通过数据分析和模拟优化，能够加速新材料的研发进程，提高研发效率

2.3. 智能制造技术则可以提升新材料的生产制造质量，实现精准控制和高效生产

2.4. 通过先进技术的赋能，新材料的研发生产制造更加智能化、高效化，为全球科技和产业发展注入了新的动力

2.5. 高新技术加速新材料研发

• 2.5.1. “蔚蓝量子元素”​（Azure Quantum Elements）的系统，将3200万种候选材料减少到800种，再进一步筛选至18种

• 2.5.1.1. 蔚蓝量子元素与量子计算的集成应用预计将彻底改变复杂化学系统建模的准确性，有可能为材料科学、制药等领域带来突破

• 2.5.2. 高熵陶瓷结合了高熵合金和陶瓷的特性，包含碳化物、氮化物、硼化物、硅化物、硫化物、简单氧化物、稀土硅酸盐、稀土磷酸盐等，具有优异的机械性能、热稳定性和化学稳定性，可用于热障保护、耐磨和耐腐蚀涂层、热电材料、电池、催化剂和抗辐射设备等

• 2.5.2.1. 可推广用于预测各种潜在陶瓷材料的功能可合成性，促进新型陶瓷材料的研发

• 2.5.3. 开发出了一种名为Swiss Cat+的数字化和自动化方法，可用于发现优质金属催化剂

• 2.5.4. 橡树岭国家实验室开发的人工智能模型增强等离子体羽流分析，可将材料发现速度提高10倍

• 2.5.4.1. 脉冲激光沉积（PLD）技术使用强大的激光脉冲蒸发目标材料，形成云状的等离子体羽流，然后沉积在目标表面形成超薄膜

• 2.5.5. 提出了一种新的生成式AI大模型，可以轻松地确定粉末晶体的结构

• 2.5.5.1. 可以帮助研究人员表征用于电池、磁铁和许多其他应用的材料

• 2.5.6. 开发出AI技术驱动的、旨在发现能够承受核聚变反应堆极端条件的合金材料的新方法

• 2.5.6.1. 将基于现有AI模型生成的数据进行进一步研究，继续优化AI模型，使其具备材料发现和设计能力，并加速将六种元素以不同浓度混合成合金，从而发现核聚变设施的合金材料

• 2.5.7. 利用机器学习开发新型钙钛矿太阳能电池传输层材料

• 2.5.7.1. 利用机器学习算法从超过100万个分子数据库中选出的101个分子，用于模拟太阳能电池的材料合成，最终得到了24个候选材料

2.6. 高新技术助力材料检测加工

• 2.6.1. 碳化硅包壳事故容错燃料可完全消除蒸汽-锆反应的风险，但该材料难以预测且易碎，无法使用金属技术制造燃料管

• 2.6.2. VNIINM利用数字孪生技术对带有复合包壳的燃料性能进行数值建模，该技术可有效减少实验次数，并通过计算模拟确定最佳编织缠绕角度等参数

• 2.6.3. 开发了一种能够加快新合成电子材料表征速度的计算机视觉技术，提升了对电子材料的表征速度

• 2.6.3.1. 用于估计带隙，旨在处理来自高细节、高光谱图像的视觉数据

• 2.6.3.2. 用于确定稳定性，分析标准RGB图像，并根据材质颜色随时间的变化来评估材质的稳定性

• 2.6.3.3. 不仅能简化烦琐的材料表征流程，更能在根本上缩短新材料从实验室到实际应用的时间，加速材料科学的进展，有助于促使太阳能电池、晶体管、LED及电池等技术加速提升其性能

2.7. 英国研究人员利用人工智能驱动材料再利用管理

• 2.7.1. 材料加工研究所将与两家3D打印行业公司合作开发名为SMART-APP的人工智能驱动的材料再利用管理工具

• 2.7.2. SMART-APP旨在通过预测粉末质量并推荐恢复所需粉末性能所需要的工艺促进增材制造的广泛使用，提高资源效率

2.8. 澳大利亚企业利用人工智能助力矿物勘探

• 2.8.1. Earth AI公司首次利用人工智能技术在澳大利亚发现金矿

• 2.8.2. 进一步巩固了Earth AI在人工智能勘探矿物领域的成功

2.9. 对中国的影响与启示

• 2.9.1. 美西方国家在人工智能等高新技术领域占有领先地位

• 2.9.2. 在材料研发方面，人工智能可快速预测材料性能，筛选出具有潜在应用价值的材料，生成式AI框架可随机生成并组装新的材料结构

• 2.9.3. 在新材料实验方面，AI系统能够根据研发目标和条件设计实验方案，并优化实验中的关键参数，提高实验的成功率和效率

• 2.9.4. 在生产制造过程中，AI技术可优化生产工艺参数，实现智能化生产，提高生产效率和产品质量

• 2.9.5. 通过计算机视觉等技术进行高精度的质量检测，快速发现缺陷和异常

• 2.9.6. 强化基础研究与技术融合，加大材料科学与AI交叉领域的理论创新投入，如开发多模态融合模型和自主核心算法，弥补原创性不足的短板，借鉴DeepSeek的“算法提效”经验，推动模型轻量化与算力优化，降低研发成本

• 2.9.7. 构建数据与平台基础设施，建设国家级新材料大数据中心，统一数据采集、确权与共享标准，打破“数据孤岛”​，支持开放共享的智能实验室和公共服务平台，促进产学研协同创新

• 2.9.8. 注重人才培养与国际合作，建立跨学科人才梯队，培养兼具材料科学、AI与工程实践能力的复合型人才