黃育立、高竹均、黃爾文/交通大學材料科學與工程學系；吳承憲/康和綜合證券資訊部、
李玟頡/國家高速網路與計算中心、賴宏仁/工研院材化所
摘要
隨著製程技術的演進，材料選用的種類與彈性也越來越多，如何能快速地找出最適合目標用途的材料，已經不只是重要的問題，還是速度的競爭。以積層製造（Additive Manufacturing）為例，積層製造可以客製化生產特殊形狀，減少龐大的開模費用，更經濟的使用材料。但積層製造高度自由化的特點也相對帶來生產過程中的不均勻。例如，熱梯度影響：位於產品不同位置，可能因為列印的方式與歷程，產生相當於不同程度的熱處理，進而影響整體元件性質。這些由生產自由度所帶進的複雜性形成了雙面刃。本文即將由此機會與挑戰的角度，介紹材料數據庫公司Granta Design與可提供元件設計與製程模擬的ANSYS公司，如何互補的以電腦運算和材料性質數據庫，來解決上述的問題。進而展望，隨著電腦運算能力高度發展，材料的成分與機械性質運用機器學習(Machine Learning)的案例。
材料數據庫平台的需求
運用機器學習(Machine Learning)方式，以找出關聯方程，已經是今日許多產業研發的顯學。以材料的發展而言，這樣的計算需要奠基於大量的材料資料庫累積，再應用近幾年突飛猛進的機器學習算法與軟體，以這樣的模式，減少大量的試誤(Trial & Error)成本，從尚未實體合成的材料配方中，找尋最有潛力的材料，以加速新材料開發的進行。
相對於上述的潮流，傳統選擇材料研發的路徑，大多是參考可信的經驗，不斷實驗精進，以控管材料配方研發的風險和成本。有報導指出：工程師尋找材料資訊情報時，其中20%的材料測試是重複的；50%購買的材料資訊甚至只用過一次，就再也沒使用了。這些大量的浪費，就源自於材料資訊沒有被整合或是流通，許多工作被重複完成，而下一位工程師甚至不知道這些測試是已經進行過的。
但在當今快速競爭的世界，各種客製化需求的興起，甚至是新穎性能的突破，在人工智慧(A.I.)的年代，已經另外找出新的科技工程方法，以快速找出符合客戶需求的新材料。Granta Design就提供了一個整合性的平台，能夠快速地告訴我們材料資訊，並可以篩選、任意變換參數的作圖，還能夠提供製造商的選項…材料研發的剛性需求。圖形化的設計介面還進一步方便篩選材料，例如，如何確保製成的成品夠強韌、抗酸鹼程度、符合環保碳排法規、做可信的模擬測試、置換成較便宜的材料、是否有生物相容性的問題等等。
Granta Design簡介
Granta Design公司的創辦人之一是劍橋大學的Michael Ashby教授，他的Ashby Maps往往就是材料系大一新生第一堂材料科學與工程導論的第一章課程內容。更專業而且廣泛為工程界使用的Ashby Deformation Maps更是材料研究重要的參考依據。Ashby教授藉由基礎的環境溫度對材料熔點比值當作X軸，剪切應力除上剪切模數當作Y軸，在此圖上可以藉由應變速度清楚地劃分出材料從塑性形變到蠕變（Creep）再到擴散(Diffusion)等不同的形變機制，可以說是材料最早的大數據應用案例之一。Granta Design數據庫購自符合業界標準的世界級實驗室。許多知名企業，像是：NASA、Rolls-Royce、Airbus、Boeing、Dow等都是他們的客戶。
Granta Design的軟體稱為CES Selector。軟體的設計理念為：翻譯元件應用所需成為材料參數屬性，依據上述的屬性從大數據庫中篩檢，接下來應用數位化排序，再接下來提供資料庫以比對。其關鍵在於數位化材料數據後，可以彈性的方便工程師依據不同應用場景設計各式的目標函數，以在茫茫的數據大海中，系統性的考慮全部的可能性，卻又藉由電腦的快速計算，減省難以想像的人工篩選成本。
用這樣的方式，對大量材料截然不同的性質，從機械、磁性、光學……，可以自由地變換不同性質為新的座標軸，加以圖形化、視覺化的排序，以方便跨功能性的篩選，滿足愈形嚴苛的使用需求，善用電腦能夠快速運算的特點，從材料性質中找到可能的候選材料。在不同區間的比較，甚至還可以引導出實用的方程式來描述。同樣的概念可用於---以上為部分節錄資料，完整內容請見下方附檔。