目錄
叢書序
序一
序二
前言
第1章 高通量多尺度材料計算：背景、意義和現(xiàn)狀 1
1.1 材料研發(fā)之計算 1
1.2 材料研發(fā)之 AI 3
1.3 材料研發(fā)之數(shù)據(jù) 5
1.4 高通量多尺度材料計算：需要計算、數(shù)據(jù)、AI融合的基礎(chǔ)設(shè)施支撐 7
1.4.1 高通量多尺度材料計算：特點及挑戰(zhàn) 7
1.4.2 高通量多尺度材料計算平臺：新材料研發(fā)基礎(chǔ)設(shè)施 10
1.4.3 高通量多尺度材料計算平臺發(fā)展趨勢 .13
1.5 國外高通量多尺度材料計算平臺現(xiàn)狀 16
1.5.1 美國微軟的Azure量子元素 16
1.5.2 美國Mat3ra 17
1.5.3 韓國Materials Square 18
1.6 MatCloud+材料云：國產(chǎn)高通量多尺度材料計算平臺 18
1.6.1 MatCloud+高通量多尺度材料智能設(shè)計云平臺簡介 18
1.6.2 高通量、多尺度、SaaS化、流程化、智能化、自動化、圖形化 20
1.6.3 10年研發(fā)歷程和項目資助 23
1.6.4 在歐盟、美、英、日、中東等的影響力 24
1.6.5 在國內(nèi)的應用及影響力 25
參考文獻 26
第2章 企業(yè)級新材料研發(fā)之材料計算、數(shù)據(jù)、AI 30
2.1 概述 30
2.2 企業(yè)級新材料數(shù)字化研發(fā)典型案例 30
2.3 新材料數(shù)字化研發(fā)的核心技術(shù)：以美國QuesTek公司為例 32
2.3.1 第一性原理計算 33
2.3.2 計算熱力學 34
2.3.3 材料數(shù)據(jù)庫和機器學習 35
2.3.4 物性衍生模型 36
2.4 我國新材料數(shù)字研發(fā)化：困境、思考和破局 37
參考文獻 38
第3章 材料基因和性能關(guān)系模型的構(gòu)建 39
3.1 材料基因組計劃 39
3.2 基因、材料圖譜、分子指紋 41
3.3 材料基因編碼 vs. 材料基因 42
3.4 材料基因編碼的數(shù)學表達 44
3.4.1 材料基因 44
3.4.2 材料基因編碼的數(shù)學表達：材料基因編碼理想模型 44
3.5 基于材料基因編碼的材料智能設(shè)計框架 45
3.6 基于材料基因編碼的材料智能設(shè)計范式 46
參考文獻 46
第4章 高通量材料計算與篩選 48
4.1 高通量計算 48
4.2 高通量材料計算 51
4.2.1 高通量材料計算的特點 51
4.2.2 高通量材料計算的分類 52
4.2.3 高通量材料計算的用途 53
4.3 高通量材料計算篩選 53
4.3.1 高通量篩選 53
4.3.2 高通量計算篩選 54
4.3.3 高通量計算篩選的結(jié)構(gòu)候選空間 54
4.3.4 生成化學空間的案例 56
4.3.5 生成化學空間的其他注意點 58
4.3.6 高通量計算篩選的理論計算 59
4.4 高通量材料集成計算 60
4.4.1 如何有效地與高性能計算集成 60
4.4.2 如何有效地與材料數(shù)據(jù)分析集成 61
4.4.3 高通量計算各環(huán)節(jié)步驟的自動化集成 62
4.4.4 不同尺度計算軟件的集成 65
4.4.5 計算數(shù)據(jù)與實驗數(shù)據(jù)的集成 65
4.5 智算驅(qū)動的高通量材料集成計算平臺建設(shè) 66
4.5.1 智算驅(qū)動的高通量材料集成計算平臺總體架構(gòu) 66
4.5.2 基于開放架構(gòu)的智算平臺核心技術(shù)實現(xiàn) 67
4.5.3 驅(qū)動引擎和自動流程 68
4.5.4 材料計算、制備、表征及服役的融合 68
4.5.5 融合人工智能與多尺度計算 68
4.6 高通量材料集成計算的未來發(fā)展趨勢 68
參考文獻 69
第5章 高通量計算環(huán)境 71
5.1 高通量計算環(huán)境之提供：高性能計算 71
5.1.1 術(shù)語和概念 71
5.1.2 多核架構(gòu) 72
5.1.3 GPU架構(gòu) 73
5.1.4 X-PU架構(gòu)專用芯片 74
5.2 高通量計算環(huán)境之硬件：計算集群 75
5.2.1 計算集群基本概念 75
5.2.2 Beowulf計算集群 75
5.2.3 計算集群的優(yōu)缺點分析 76
5.3 高通量計算環(huán)境之軟件：集群作業(yè)管理系統(tǒng) 77
5.3.1 集群作業(yè)調(diào)度 78
5.3.2 集群作業(yè)管理 79
5.4 高通量材料集成計算對高性能計算提出的挑戰(zhàn) 80
5.4.1 “多節(jié)點，小核數(shù)”vs.“少節(jié)點，大核數(shù)” 80
5.4.2 “不滿核，非獨占”vs.“不滿核，獨占” 81
5.4.3 自動調(diào)整和糾錯 81
5.4.4 作業(yè)的停止、刪除、續(xù)算 82
5.4.5 海量數(shù)據(jù)處理 82
參考文獻 82
第6章 高通量材料計算驅(qū)動引擎 83
6.1 高通量材料計算驅(qū)動引擎概念 83
6.2 高通量材料計算驅(qū)動引擎核心功能剖析.84
6.3 高通量材料計算驅(qū)動引擎非功能需求分析 86
6.4 實現(xiàn)高通量材料計算驅(qū)動引擎的關(guān)鍵要素 86
6.4.1 作業(yè)與任務(wù)的區(qū)分 86
6.4.2 滿足材料計算的高通量特性 87
6.4.3 高通量材料計算的容錯、糾錯機制. .87
6.4.4 工作流系統(tǒng) 87
6.4.5 高通量材料計算驅(qū)動引擎的要素整合 91
參考文獻 92
第7章 高通量結(jié)構(gòu)建模 93
7.1 結(jié)構(gòu)建模概述. .93
7.2 超胞構(gòu)建 94
7.3 摻雜 94
7.4 表面切割 95
7.5 表面吸附 96
7.6 界面建模 97
7.7 粗粒化建模 98
參考文獻 98
第8章 多尺度計算模擬和跨尺度橋接. .99
8.1 概述 99
8.1.1 不同時空尺度的定義 100
8.1.2 跨尺度橋接 102
8.2 多尺度材料計算模擬104
8.2.1 量子和原子空間尺度的計算模擬 104
8.2.2 微觀尺度的材料結(jié)構(gòu)演化和材料響應.108
8.2.3 宏觀尺度的計算模擬 113
8.3 軟件的輸入-輸出關(guān)系和跨尺度橋接耦合 116
8.3.1 常用材料計算軟件的輸入-輸出關(guān)系 117
8.3.2 常用材料計算軟件的跨尺度橋接方法.120
8.4 跨時空尺度計算模擬的局限和挑戰(zhàn) 122
8.5 跨時空尺度計算模擬的發(fā)展路線圖 126
8.5.1 從科學/技術(shù)角度給出的建議路線圖 126
8.5.2 從程序開發(fā)角度給出的建議路線圖 127
8.6 自動化跨尺度橋接的國產(chǎn)軟件 128
8.6.1 支持多尺度計算模擬的工作流引擎 128
8.6.2 跨尺度橋接的自動化流程實現(xiàn) 129
8.7 科技資源標識管理系統(tǒng)SciDataHandle 131
參考文獻 132
第9章 面向科研的材料計算. .133
9.1 面向科研的材料計算特點 133
9.1.1 面向科研的材料計算與企業(yè)級新材料研發(fā)的區(qū)別 133
9.1.2 面向科研的材料計算主要特點 134
9.1.3 面向科研的材料計算用戶行為分析 134
9.2 無須下載、編譯、鏈接、安裝的材料計算 135
9.2.1 計算模擬代碼的編譯和鏈接 135
9.2.2 購買和安裝 136
9.2.3 云端材料計算：免下載、安裝、編譯、鏈接的材料計算 136
9.3 無須擔心硬件資源、計算資源的材料計算 137
9.4 第一性原理計算的“多結(jié)構(gòu)、多任務(wù)、多目標”問題 138
9.5 分子動力學的力場、前處理、后處理問題 139
9.5.1 分子動力學的力場設(shè)置 139
9.5.2 經(jīng)驗力場的分類 139
9.5.3 經(jīng)驗力場的局限性 141
9.5.4 力場的開發(fā)和擴展 141
9.5.5 力場參數(shù)的自動匹配 144
9.5.6 分子動力學計算的前處理挑戰(zhàn) 145
9.5.7 分子動力學計算的后處理挑戰(zhàn) 146
9.6 材料計算的作業(yè)管理、任務(wù)管理、資源管理 148
9.7 “建模、計算、數(shù)據(jù)、AI”的自動流水線模式 149
9.8 面向科研的材料計算面臨的挑戰(zhàn)和發(fā)展趨勢 150
9.8.1 面向科研的材料計算面臨的挑戰(zhàn) 150
9.8.2 材料計算和機器學習的深度融合 151
參考文獻 152
第10章 企業(yè)級材料基因數(shù)據(jù)庫 153
10.1 構(gòu)建企業(yè)級材料基因數(shù)據(jù)庫的意義和挑戰(zhàn) 153
10.1.1 構(gòu)建企業(yè)級材料基因數(shù)據(jù)庫的意義 153
10.1.2 構(gòu)建企業(yè)級材料基因數(shù)據(jù)庫的挑戰(zhàn) 153
10.2 材料基因數(shù)據(jù)庫需求分析與架構(gòu) 154
10.3 材料基因數(shù)據(jù)庫的實現(xiàn)技術(shù) 156
10.3.1 內(nèi)部數(shù)據(jù)之制備和測試表征 156
10.3.2 外部數(shù)據(jù)之行業(yè)信息數(shù)據(jù) 157
10.3.3 數(shù)據(jù)安全 157
10.3.4 材料數(shù)據(jù)類型 159
10.4 材料測試表征和制備工藝數(shù)據(jù)錄入的解決方案 159
10.5 材料數(shù)據(jù)的查詢和檢索 160
10.5.1 查詢方式 160
10.5.2 檢索方式 160
10.5.3 檢索模式 161
參考文獻 162
第11章 機器學習：材料基因編碼的挖掘 163
11.1 材料數(shù)據(jù)的機器學習.163
11.2 定量構(gòu)效關(guān)系模型 164
11.2.1 定量構(gòu)效關(guān)系模型的構(gòu)建流程 164
11.2.2 特征和描述符的區(qū)別 165
11.3 數(shù)據(jù)收集 166
11.4 特征提取 167
11.4.1 描述符獲取 167
11.4.2 結(jié)構(gòu)特征 169
11.4.3 結(jié)構(gòu)特征獲取 169
11.4.4 元素特征及獲取 173
11.5 特征篩選 173
11.6 模型構(gòu)建 174
11.7 模型評估 175
11.7.1 分類問題的評估指標 175
11.7.2 回歸問題的評估指標 175
11.8 模型存儲 176
11.9 主動學習 176
11.9.1 主動學習在材料數(shù)據(jù)機器學習中的應用 176
11.9.2 主動學習的選取未標記樣本策略 177
11.10 一個機器學習挖掘材料基因編碼的實例 177
參考文獻 180
第12章 材料設(shè)計制造工業(yè)軟件 183
12.1 新材料設(shè)計制造軟件的“卡脖子”局面 183
12.2 新材料設(shè)計制造軟件的研發(fā)進展與前沿動態(tài) 184
12.2.1 新材料數(shù)字化研發(fā)及新材料設(shè)計制造軟件的內(nèi)涵和外延 184
12.2.2 新材料設(shè)計制造軟件的分類 .184
12.2.3 宏觀尺度的新材料制造設(shè)計軟件 186
12.2.4 微觀尺度的材料結(jié)構(gòu)演化和材料響應. .188
12.2.5 量子和原子空間尺度的材料計算軟件. .188
12.2.6 材料集成設(shè)計軟件 188
12.3 我國在材料設(shè)計制造工業(yè)軟件的學術(shù)地位及發(fā)展動態(tài) 191
12.3.1 材料設(shè)計制造軟件引起國家和地方政府重視 192
12.3.2 我國的材料設(shè)計制造軟件、數(shù)據(jù)庫及標準現(xiàn)狀 193
12.4 新材料研發(fā)工業(yè)軟件發(fā)展重點及未來展望 194
12.4.1 材料設(shè)計軟件與制造工業(yè)軟件發(fā)展重點. .194
12.4.2 多尺度計算模擬趨勢 195
12.4.3 人工智能的融合 196
12.4.4 SaaS化趨勢 196
12.4.5 與數(shù)據(jù)庫的緊密融合 197
12.4.6 集成化趨勢 197
12.5 研究和開發(fā)國產(chǎn)新材料設(shè)計制造工業(yè)軟件的思考 197
參考文獻 199
第13章 國產(chǎn)材料集成式智能設(shè)計工業(yè)軟件：MatCloud+材料云 200
13.1 MatCloud+底層架構(gòu) 200
13.1.1 核心模塊 200
13.1.2 工作流系統(tǒng) 202
13.1.3 材料計算數(shù)據(jù)庫 202
13.2 MatCloud-QE量子力學程序包 205
13.2.1 基于AI的高通量第一性原理計算加速算法 207
13.2.2 參數(shù)智能推薦算法 207
13.2.3 結(jié)構(gòu)模型統(tǒng)一算法 208
13.2.4 后處理引擎 208
13.2.5 組件化引擎 208
13.2.6 圖形化引擎 209
13.2.7 支持更多物理化學性質(zhì)的計算 209
13.2.8 與MatCloud+材料云的API接口 209
13.3 MatCloud+的高通量計算案例 210
13.3.1 狀態(tài)方程 210
13.3.2 過渡態(tài)搜索 211
13.3.3 截斷能收斂性測試 212
13.4 示范案例1：MatCloud+減少人工干預90％以上 214
13.5 示范案例2：MatCloud+效率提升30％以上 215
13.5.1 傳統(tǒng)方式開展材料計算步驟 215
13.5.2 采用MatCloud+的方式和步驟 218
13.5.3 分析比較 219
13.6 MatFusion：材料基因數(shù)據(jù)庫快速構(gòu)建和基因編碼挖掘 220
13.6.1 基于標準規(guī)范、軟件定義及無代碼理念的架構(gòu)設(shè)計 221
13.6.2 語義UI模板構(gòu)成元素及元數(shù)據(jù) 221
13.6.3 語義UI模板的實現(xiàn) 223
13.6.4 模板數(shù)據(jù)庫存儲設(shè)計 224
13.6.5 語義UI模板管理 224
13.6.6 UI頁面生成 224
參考文獻 224
第14章 材料計算、數(shù)據(jù)、AI案例之新能源篇 225
14.1 鈣鈦礦太陽能電池材料的數(shù)字化設(shè)計 225
14.1.1 用于染料敏化太陽能電池的雙電子受體有機染料分子設(shè)計 225
14.1.2 高通量多尺度研究太陽能電池材料 227
14.2 儲氫材料的高通量計算和篩選 231
14.2.1 過渡金屬摻雜對LiBH4脫氫特性影響的第一性原理研究 232
14.2.2 新型高容量儲氫材料的高存儲容量機理研究 238
14.2.3 電極材料的層間距研究 243
參考文獻 245
第15章 材料計算、數(shù)據(jù)、AI案例之金屬/合金篇 246
15.1 金屬/合金 246
15.1.1 Mg-Al合金熔體固液界面結(jié)構(gòu)的分子動力學研究 246
15.1.2 高通量計算和卷積神經(jīng)網(wǎng)絡(luò)預測金屬間化合物表面性質(zhì) 249
15.1.3 基于機器學習深度勢的低能Al團簇候選者搜索 .255
15.2 高熵合金 259
15.2.1 金屬摻雜CoFeMnNiX的高溫合金的磁性研究 259
15.2.2 稀鋁鉬對FeNiCoCr基高熵合金層錯和孿晶形成的影響 262
參考文獻 265
第16章 材料計算、數(shù)據(jù)、AI案例之石油化工篇 .267
16.1 催化劑 267
16.1.1 鈰和鉑摻雜鈣鈦礦催化劑的第一性原理研究 267
16.1.2 單水分子在低折射率金紅石型TiO2表面的吸附與分解 270
16.1.3 Pt3團簇修飾的Co@Pd和Ni@Pd型氧還原核殼催化劑設(shè)計 272
16.1.4 用于催化劑設(shè)計的機器學習特征工程 278
16.2 密封圈材料的抗老化性能研究 282
16.2.1 背景 282
16.2.2 MatCloud+模擬3類材料的抗老化性能 282
16.2.3 結(jié)果和討論 284
16.3 分子動力學模擬研究醋酸丁酸纖維素加入增塑劑 288
參考文獻 293
第17章 材料計算、數(shù)據(jù)、AI 案例之復合材料篇 294
17.1 背景 294
17.2 多尺度計算模擬方法 295
17.2.1 基于介觀的單層板力學性能預測 296
17.2.2 基于宏觀有限元的層合板力學性能預測 297
17.3 基于高通量計算篩選的層合板復合材料設(shè)計 299
17.3.1 支撐高通量計算篩選的層合板復合材料數(shù)據(jù)庫架構(gòu) 299
17.3.2 基于高通量計算篩選的單層板計算設(shè)計 300
17.3.3 基于高通量計算篩選的層合板計算設(shè)計 301
17.4 應用案例 301
17.4.1 案例設(shè)計 301
17.4.2 結(jié)果分析 302
17.4.3 高通量計算篩選設(shè)計帶來的收益和價值提升 304
參考文獻 305
第18章 材料計算、數(shù)據(jù)、AI 案例之新型功能材料篇 306
18.1 聚合物光電材料的光學性能表征 306
18.2 機器學習預測發(fā)光性能 309
參考文獻 315
注釋說明匯集表 317