PSPP 范式
Processing–Structure–Property–Performance
成分/工艺 → 组织 → 性能 → 服役表现的因果链，材料科学的中心范式，也是材料 AI 的骨架。
ai engineer's view
一条端到端的可微分管线：正向是推理，逆向是带约束的条件生成。中间的「组织」是关键隐变量——它比性能更难测量，但决定了一切。
材料科学的核心信念是一条因果链：
成分 (Composition) + 工艺 (Processing)
↓
组织 (Structure) ← 显微尺度上的相、晶粒、析出物、缺陷
↓
性能 (Property) ← 强度、韧性、耐蚀性等可测量指标
↓
服役表现 (Performance) ← 在真实工况下能用多久
两个方向都有用：
- 正向（预测）：给定成分和工艺，预测会得到什么组织与性能
- 逆向（设计）：给定目标性能，反推需要什么成分与工艺
传统研发靠正向试错——想一个配方、做一炉、测一下、不行再改。逆向设计是 AI for Materials 最有价值的方向，但它天然是一个多解、带约束、需要不确定性量化的问题：达到同样性能可能有多条路径，而且有些路径在工程上做不出来。
理解 PSPP 之后你会发现，钢铁行业几乎所有中长期 AI 场景都可以定位到这条链的某一段。