2019年是材料技術飛速發展的一年。一邊是，傳統材料不斷改進，支撐近、中期裝備應用；另一邊，以量子材料、超材料、智能材料及其交叉學科為代表的新材料新技術發展迅速，不斷推進著前沿材料創新。軍工材料是武器裝備發展的物質基礎，其技術發展既受裝備的需求牽引， 又遵循自身的科學發展規律。

2020年1月13日， 中國航空工業發展研究中心本著重大性、先進性、前沿性、基礎性、共用性五大原則在北京組織專家召開了2019年度國外軍用材料重大動向評選會。與會專家成立了評選小組，從高性能金屬材料、先進復合材料、特種功能材料、電子信息功能材料、關鍵原材料等五大領域共45條發展動向中遴選出了以下10條重大發展動向，供決策機構、科研單位和廣大讀者參考。

銅可強化3D打印鈦合金零部件

銅強化3D打印鈦合金零部件

增材制造的鈦合金，通常會在3D打印冷卻過程中形成柱狀晶體，易造成變形或裂紋。與鋁合金或其他常用金屬不同，目前并沒有已經商用的鈦合金晶粒細化劑可供制造商用來有效地精細化微觀結構，避免上述問題的發生。2019年12月，澳大利亞墨爾本皇家理工大學工程學院研究發現，3D打印鈦銅合金不需要任何特殊過程控制或其他處理方式， 就具有完全等軸的晶粒結構。這意味著晶粒在各個方向上均等地生長產生牢固的結合，具有這種微觀結構的合金可以承受更高的外部作用力，在制造過程中出現裂紋或變形等缺陷的可能性要小得多。新型合金可以提高制造商的生產效率， 并允許制造更加復雜的零部件，是解決鈦合金3D打印工程化應用中材料組織結構不均勻問題的重要技術途徑。

美歐高度關注稀土材料的開發和回收

英國伯明翰大學推出稀土回收項目，計劃在歐洲建立一條20噸級別的稀土磁性材料回收供應鏈

美國國防部在2018年10月發布《評估并加強美國制造業、國防工業基礎和供應鏈彈性》報告要求保障美國的稀土供應。該報告明確了美國為這類材料提供強大且具有競爭力的供應鏈的必要性。2019年8月，美國負責采辦和維護的國防部副部長勞德在一份新聞簡報中表示，美國與澳大利亞正商談聯合開設一家加工國防用稀土的工廠。該計劃旨在應對中方主導全球稀土市場，并采取措施限制一系列軍用稀土出口的威脅，保障美國和澳大利亞的相關物資供應。美方表示，美國保障稀土供應的難點在于稀土加工的過程及相關設備，與澳大利亞合作是解決這個問題的有效舉措之一。澳大利亞國防部發言人證實，澳大利亞和美國在包括稀土在內的關鍵礦產領域的合作從2018年就開始了。

2019年8月，英國伯明翰大學宣布，作為歐盟資助的地平線2020計劃中的重點項目——“循環經濟環境下的稀土磁性材料可持續回收、再加工和再利用”（SUSMAGPRO） 的重要參研單位，獲得了超過400萬歐元的經費支持，建立從廢料中回收稀土金屬的試點設施。該回收設施將專注于回收由釹、硼和鐵制成的磁性材料，關鍵技術是磁性材料廢料的氫處理系統（HPMS）。傳統稀土金屬元素提取方法需要拆卸和去除磁性材料。HPMS工藝利用“氫爆”技術，將磁性金屬合金分解成粉末， 該粉末易于與其余組分分離，從而節約大量的時間、勞力和成本。這種方法還可以實現在回收單一金屬元素的同時，處理多個其他組分。該項回收技術對于歐洲完成一條完整稀土磁性金屬材料回收供應鏈的開發目標具有里程碑意義。

日本推出首個耐高溫兼抗沖擊的雙馬碳纖維預浸料

帝人耐280℃高性能雙馬碳纖維預浸料

傳統雙馬預浸料存在兩方面難題：一是性能上，提升其耐高溫性能，通常會以犧牲其抗沖擊性能為代價；二是成形工藝上， 雙馬樹脂自身的流動性也會加大模塑成形的難度。針對以上問題，日本帝人公司于2019年3月推出全日本第一款首款兼具高耐熱性和高耐沖擊性的碳纖維增強雙馬樹脂預浸料。該預浸料玻璃化轉變溫度達到280℃，沖擊后壓縮強度（CAI）達到220兆帕，特別適用于生產航空發動機部件。同時，這款新的預浸料產品的線熱膨脹系數較小，能夠同時在低溫和高溫環境下保持較高的尺寸穩定性。通過調整配方中的樹脂黏稠度，對樹脂在流經模具中預制件時的速度進行控制，帝人成功地縮短了雙馬預浸料的固化時間。

美國研制出輕量化大尺寸透明氧氮化鋁陶瓷裝甲

透明氧氮化鋁陶瓷裝甲視窗

透明陶瓷裝甲具有優異防彈性能，重量和厚度僅為傳統防彈玻璃的一半，目前已裝備于美國陸軍黑鷹和支奴干直升機。2019年7月，在美國空軍研究實驗室以及美國國防部制造科學與技術計劃支持下，美國Surmet公司開發出一種氧氮化鋁（AlON）陶瓷粉末，經過高溫高壓制成透明裝甲材料，具有優異防彈性、耐沖擊性和耐久性。此前，最大的AlON視窗尺寸約0.26平方米。此次Surmet公司通過大量復雜的工序放大比例生產，得到了8平方英尺（約0.74平方米）的AlON視窗。研究人員表示， 新工藝制造的AlON視窗輕巧且耐用，可使美軍保持巨大作戰優勢。鑒于AlON優異的耐用性和抗沖擊性，NASA有意將其應用于國際空間站的穹頂艙視窗。

美國和日本聯合開發結構表面快速除冰除霜技術

銦錫氧化物薄膜用于結構表面除冰

傳統的除冰除霜技術是將結構表面上的所有冰或霜融化，其效率低下的最大原因是除冰除霜時所用的大部分能量都用于加熱系統內部的其他組件，而不是直接加熱冰或霜， 這會增加能耗和相關系統停機時間。2019年9月，美國伊利諾伊大學厄本那-香檳分校和日本九州大學聯合開發出一種新方法，通過在結構材料表面涂一層銦錫氧化物薄膜（ITO），在冰和結構表面交界處施加能量非常高的電流脈沖，形成水流層，使得表面冰或霜自然滑落。這種新技術只需要消耗不到傳統除冰除霜能源消耗的1%，且所需時間不到傳統除冰除霜時間的0.01%。測試過程在零下15.1℃至零下71℃的溫度梯度區間內，分別模擬供熱、通風、空調、制冷以及航空航天領域等使用環境。在所有測試項目中，該技術均以持續不到1秒電流脈沖實現了除冰除霜。該技術將是未來裝備防除冰領域的重要應用方向。

丹麥在利用石墨烯制造電子器件方面取得突破

氮化硼保護層下的石墨烯超小洞陣列結構示意圖

石墨烯在制造晶體管和光電器件應用上面臨的最大挑戰之一就是如何排列石墨烯結構從而構造出“誘導帶隙”。為解決這個問題，2019年2月，丹麥技術大學的研究人員首先將石墨烯封裝在另一種二維材料六方氮化硼中。六方氮化硼是一種非導電材料，用于保護石墨烯的固有特性。隨后，使用一種被稱為電子束光刻的技術，刻蝕出一系列密集排列的超小孔，精細地針對保護層氮化硼和它下面的石墨烯層進行自主樣式設計。這些小孔的直徑約為20納米，每個孔的間距僅有12納米。每個小孔邊緣的粗糙度小于1納米（十億分之一米）。這種結構設計將使得通過這樣小尺寸石墨烯器件的電流比目前所能達到的水平還要高1000倍。研究人員通過結構設計，使得某些石墨烯結構中最微妙的量子、電子效應，在設計的密集孔隙排列組成樣式中留存了下來，從而實現了對石墨烯的能帶結構的控制，向創造尺寸極小的新電子產品邁出了一大步。

臺積電有望在2020年上半年實現鍺硅電子器件5納米工藝

臺積電5納米制程工藝產品將瞄準AI和5G方面的應用

臺灣積體電路制造股份有限公司于2019年12月在舊金山舉行的IEEE國際電子器件會議上宣布，臺積電的5納米工藝有望在2020年上半年實現大批量生產。與該公司利用193納米浸入式光刻技術制造iPhoneX處理器的7納米工藝相比，新工藝采用了13.5納米波長的極紫外光刻技術，光刻步驟節省3步以上，器件速度提高15%，器件功率效率提高30%。芯片性能提升的部分原因在于，臺積電公司首次在晶體管內采用了鍺硅“高電子遷移率溝道”。目前，該工藝處于風險評估階段， 將其用于芯片設計后最初的靜態存儲器的平均良率約為80%，后期良率有望得到快速提升。

美發現二碲化鈾超導材料或可成為量子計算機中的“硅”

UTe2的晶體結構及相關材料數據

拓撲絕緣體內部是絕緣的，但表面呈現超導特點，由此引出的“拓撲超導體”，則為量子計算機的邏輯電路設計提供了相對有效的材料。目前人們已經發現了很多種超導材料，大多數超導體是自旋單線態。2019年9月，美國國家標準技術研究院與馬里蘭大學、艾姆斯國家實驗室等聯合研究發現了一種新型超導體UTe2（二碲化鈾）具有一種罕見的自旋三重態，UTe2對磁場有異常高的抵抗力，能極大程度地減小量子計算中極易產生的誤差。UTe2的特殊表現可能使其在新興的量子計算機行業極具吸引力， 很可能克服工業中的“量子退相干”問題， 制造出可以讓這種計算機的內存存儲開關（即為量子比特）運行足夠長時間的元件，以便在它們失去作為一個整體運行的微妙物理關系之前完成一次運算。這種材料有望扮演量子計算機中“硅”的角色，進一步推動量子計算機的發展。

比利時索爾維公司推出高溫聚醚醚酮聚合物材料

KetaSpire PEEK XT分子結構

2019年10月， 索爾維公司推出了KetaSpire PEEK XT聚合物材料， 這是行業內首款高溫聚醚醚酮（PEEK）。與標準PEEK相比，KetaSpire PEEK XT的玻璃化溫度提高了20℃，達到了170℃，熔融溫度也提升了45℃。該材料具有更高的高溫強度和剛度，160℃下的拉伸模量提高400%，拉伸強度提升近50%。KetaSpire PEEK XT中醚與酮之比為2:1，與其他高溫聚酮相比更具化學性。此外，KetaSpire PEEK XT在250℃時顯示出比標準PEEK更好的電性能，介電強度提高了50%，體積電阻率也提高了一個數量級。KetaSpire PEEK XT可以在全球范圍內滿足純凈的、30%的玻璃纖維和30%的碳纖維增強的注塑成型和擠塑等級使用要求，也可以以細粉形式用于壓塑成型， 同時支持以粗粉形式進行配混。這些樹脂均具有優異的加工性能、熔融穩定性和高溫耐化學性，適用于航空航天、電氣/電子、涂料、汽車工業等。

人工智能在新材料成分、性能預測方面成果卓著

機器學習算法主導的人工智能技術正加速材料研發

傳統研發方法識別新材料，特別是用于下一代應用的高性能材料需要大量的試驗試錯及實驗室實驗。因此，研究人員總是在尋找捷徑和方法來縮短傳統材料發現的時間。

2019年2月，新加坡南洋理工大學與美國麻省理工學院、俄羅斯斯科爾科沃理工學院的一項聯合研究表明，利用機器學習算法可以預測材料應變時性能的變化情況。研究人員利用神經網絡算法，在六維應變空間高精度地預測了不同的應變量和方向對帶隙的影響，從而確認最節能的應變路徑，將金剛石轉化為更為高效的半導體。此前麻省理工學院研究人員已經在某些硅芯片中引入了一定程度的彈性應變。在某些情況下，即使結構發生1%的變化，也可以使電子更快地穿過材料，從而將設備的運行速度提高50%。利用AI人們可能發現更多電子信息功能材料及特性，這些材料可以廣泛大量的用于通信、信息處理和能源領域中。

2019年12月，日本東京理工大學創造了一種獨特的機器學習方法，由正向和反向預測兩個不同的預測步驟組成，從一個世界上最大的聚合物數據庫PloyInf中抽取聚合物傳熱特性的小數據集，識別新的導熱高分子材料。該方法能夠識別導熱聚合物——特別是三種被選擇用于合成和加工的導熱聚合物——并預測具有高性能。測試證實，這種新型聚合物的熱導率高達每米0.41瓦/米開爾文——比典型的聚酰亞胺高80%。這種導熱新材料可用于在一些關鍵的電子和其他應用中替代金屬，更具成本效益。這項研究展示了在輔助尋找高性能材料方面，人工智能提供的解決方案比傳統方式更具優勢。