傳統(tǒng)材料研發(fā)模式主要基于實驗“試錯法”，其研發(fā)周期長、效率低，人工智能驅(qū)動的科研范式變革和新材料數(shù)字化研發(fā)模式能有效地降低研發(fā)成本，縮短研發(fā)周期。

提到工業(yè)軟件, 人們往往想到的都是基于宏觀有限元的模擬仿真軟件。然而, 很多時候, 新材料數(shù)字化研發(fā), 僅需有限元尺度是不夠的，還需要深入到電子、原子和分子尺度, 其理論基礎主要包括量子力學和分子動力學等，我們可稱之為微介觀尺度材料計算模擬。目前，在國內(nèi)，微介觀尺度材料集成計算軟件基本被某國外軟件所壟斷，盡管該軟件并不支持高通量多尺度自動化流程，但是國內(nèi)大多數(shù)用戶仍使用它進行建模并開展計算，據(jù)悉目前該軟件已開始對我國一些單位禁用。

人工智能驅(qū)動的科研范式AI for Science 給新材料數(shù)字化研發(fā)帶來了新的機遇和挑戰(zhàn)。盡管對“彎道超車”一詞有不同的看法，就新材料研發(fā)而言，借助于不斷強大且成本不斷降低的高性能計算算力、數(shù)據(jù)傳輸能力、數(shù)據(jù)存儲能力等，通過大數(shù)據(jù)、云計算、人工智能以及日益增多的圍繞材料設計和性能預測的各種智能算法和模型，開展計算、數(shù)據(jù)、AI 和實驗緊密結合的“四位一體”的“理論設計在前，實驗驗證在后”的材料數(shù)字化研究方法、業(yè)態(tài)和模式，可變革僅基于實驗“試錯法”的傳統(tǒng)單一研發(fā)手段，進而有效降低成本，提高研發(fā)效率，實現(xiàn)對新材料研發(fā)的“彎道超車”。

▲ 高通量材料計算驅(qū)動引擎的要素整合

高通量材料計算驅(qū)動引擎有效地整合了算法、算力、數(shù)據(jù)和知識

以電極材料為例，目前鋰電池負極材料，90％以上還是石墨材料，而石墨的電池容量，目前已接近極限值。我們需要尋找下一代鋰電池負極材料。除了容量特性外，擴散勢壘、平均開路電壓、電導率、穩(wěn)定性、電荷性質(zhì)等，都會影響該負極材料的設計。這些負極材料的關鍵物性，大多可以直接或間接地計算出來。比如我們可以開發(fā)基于容量和擴散勢壘篩選等的工作流模板，讓這些模板從已知的晶體結構數(shù)據(jù)庫中，選出合適的候選材料進行吸附等調(diào)控操作，生成大量的候選結構，形成搜索空間，通過高通量計算驅(qū)動引擎連接超算中心，借助強大算力，對搜索空間中的候選結構按目標物性進行流水線式的自動篩選?；诘玫降睦碚撚嬎憬Y果，構建相關人工智能模型，開展實驗對接和驗證，進行理性設計，可以加快材料的研發(fā)速度，降低成本，而所付出的代價只是機時成本。

美國QuesTek 工程師采用集成計算材料工程(integrated computing materials engineering，ICME) 方法研制M54 鋼，從研發(fā)設計到美國海軍軍用飛機的應用部署，只用了6 年的時間，相較于從研發(fā)到應用平均15 年的時間，研發(fā)周期縮短了60％。他們基于該方法研究的C64 新型高性能鋼，可用于制造更耐用、更輕的變速器齒輪，增加功率密度。這種設計和商業(yè)化的成功，使它獲得了2021 年ASM 國際工程材料成就獎。

▲ “建模、計算、數(shù)據(jù)、AI”的自動流水線模式

采用如圖所示模式開展材料計算、物性提取和機器學習，能極大地提高效率，尤其是對于材料的高通量計算篩選

然而，對于企業(yè)級新材料研發(fā)，面臨著如何避免數(shù)據(jù)碎片化，整合、研發(fā)或改進新材料研發(fā)生命周期過程中的離散數(shù)據(jù)、代碼、模型和算法等，從而實現(xiàn)團隊共享的問題；面臨著如何將高通量計算、高性能計算、機器學習等材料信息學方法和技術更好地與實驗相結合加快新材料研發(fā)等問題。對于面向科研的材料計算，面臨著如何不需要下載、安裝、編譯軟件，不需要擔心計算集群和機時，直接采用瀏覽器開展計算，計算完畢直接形成數(shù)據(jù)庫的問題；面臨著課題團隊的機時、存儲、作業(yè)、任務、數(shù)據(jù)等的集中統(tǒng)一管理問題。對于這些新材料數(shù)字化研究和開發(fā)的諸多問題，我國不僅缺少相關技術和平臺，更缺乏專門的書籍進行介紹。

《高通量多尺度材料計算和機器學習》（北京：科學出版社, 2023.8）作者楊小渝研究員曾在英國劍橋大學從事博士后研究，現(xiàn)為中科院計算機網(wǎng)絡信息中心“百人計劃”A 類研究員，中國科學院大學崗位教授，擁有10 多年的高通量材料集成計算、多尺度計算模擬、材料數(shù)據(jù)庫、材料信息學等軟件和集成平臺研發(fā)經(jīng)驗和成果積累。作者承擔了“十三五”國家重點研發(fā)計劃“材料基因工程重點專項”課題“高通量材料計算大數(shù)據(jù)處理技術”（2016YFB0700501），研發(fā)了高通量多尺度材料集成設計工業(yè)軟件MatCloud，并實現(xiàn)了開放應用，是我國在該領域的優(yōu)秀科學家。

謝建新

北京科技大學教授

中國工程院院士

2023 年7 月? ?

作者于2000 年赴英國攻讀計算機及應用專業(yè)碩士和博士，2005 年博士畢業(yè)后前往英國劍橋大學地球科學系開展e-Science 博士后研究，在那里開始接觸材料計算和材料信息學，其間發(fā)表了10 余篇有關材料計算和數(shù)據(jù)基礎設施建設的論文及3 部專著。2011 年6 月美國材料基因組計劃的提出引領了新材料研發(fā)范式的變革，作者便于2012 年回國帶領團隊從事材料基因工程高通量材料計算和數(shù)據(jù)庫平臺的研發(fā)。當時高通量材料計算尚屬前沿技術，在中國科學院計算機網(wǎng)絡信息中心的支持下，從“0”到“1”，我們研發(fā)了當時國內(nèi)首個高通量材料計算和材料數(shù)據(jù)庫云平臺MatCloud，并于2015 年上線運行(見中文核心期刊《科技導報》，2016, 34(24): 62-67)。2018 年MatCloud 成功實現(xiàn)了成果轉(zhuǎn)化(MatCloud+)。經(jīng)過10 多年的持續(xù)研發(fā)和迭代，MatCloud 已100％商業(yè)化落地，它以高通量、多尺度、云原生、圖形化等為特點，實現(xiàn)了材料計算的“建模→ 計算→ 數(shù)據(jù)→AI”全流程和云端自動化，基本可實現(xiàn)對國外同類軟件的替代。

▲ MatCloud+的核心模塊和交互

截至2023 年6 月，全球注冊用戶已突破6000，涵蓋300 多家高校、科研院所和企業(yè)，覆蓋10 多個國家和地區(qū)，已舉辦線上線下各類培訓近100場，培訓用戶數(shù)累計近3500 人次，取得了較好的社會與經(jīng)濟效益，得到北京市科學技術委員會的高度關注與支持。目前，國際上真正實現(xiàn)了高通量多尺度材料計算的云平臺主要有美國的Mat3ra (www.mat3ra.com) 和韓國的Materials Square(www.materialssquare.com) 。作為中國高通量多尺度材料計算云平臺的卓越代表，MatCloud(www.matcloud.com.cn) 的部分功能已超越Mat3ra 和Materials Square。

MatCloud 研發(fā)得到了國家自然科學基金項目“材料基因組計劃高通量材料集成計算關鍵技術和服務平臺研究”和科技部“十三五”國家重點研發(fā)計劃“材料基因工程重點專項”課題“高通量材料計算大數(shù)據(jù)處理技術”的支持，也是“十三五”材料基因工程重點專項“材料基因工程關鍵技術與支撐平臺”的代表性成果之一，取得的一系列研究及應用成果相繼在Scientific Data(Nature子刊)、Computational Material Science(IF3.3, JCR Q1)、Nanoscale(IF 7.79，JCR Q2)、Electrochim Acta(IF 6.901, JCR Q2)、Carbon(IF 9.593, JCR Q1)、Chinese Physics B(IF1.494/JCRQ3) 等多個國際國內(nèi)知名期刊發(fā)表。

← 左右滑動查看詳細信息→

為了讓從事新材料研發(fā)和創(chuàng)新的研究人員更加清晰地把握高通量多尺度材料計算和機器學習，作者于2016 年萌生了出版高通量材料計算專著的想法，2017年開始撰寫，歷時4 年，幾經(jīng)打磨，于2021 年完成近40 萬字的初稿。2022 年獲得國家科學技術學術著作出版基金的資助，經(jīng)進一步修改和完善最終定稿。（楊小渝著. 北京：科學出版社, 2023.8）一書提出了基于材料基因編碼的新材料智能設計范式，從企業(yè)級新材料研發(fā)和面向科研的材料計算視角，講述了高通量材料集成計算與新材料智能設計。

重點圍繞如何通過計算與數(shù)據(jù)的集成、計算數(shù)據(jù)與實驗數(shù)據(jù)的集成、高通量計算與多尺度模擬的集成以及數(shù)據(jù)與AI 的集成，促進基于計算、數(shù)據(jù)、AI 和實驗“四位一體”的“理論設計優(yōu)先，實驗驗證在后”的新材料研發(fā)新業(yè)態(tài)、新模式和新文化。從高通量材料集成計算、多尺度材料計算模擬、材料數(shù)據(jù)庫、材料數(shù)據(jù)機器學習、新材料研發(fā)制造軟件等介紹了新材料數(shù)字化研發(fā)基本概念、方法、技術及國產(chǎn)的新材料研發(fā)集成設計工業(yè)軟件MatCloud+，并以一些案例介紹這些數(shù)字化研發(fā)方法和技術在重點材料行業(yè)的應用。

《高通量多尺度材料計算和機器學習》具有物理、材料、化學和計算機等多學科交叉的鮮明特點。作者從基本概念和基本理念講起，提出了基于材料基因編碼理念的材料智能設計新范式，闡述了高通量計算、高通量材料計算、高通量計算環(huán)境、高通量材料計算驅(qū)動引擎、材料基因數(shù)據(jù)庫、材料基因編碼挖掘、材料設計軟件等內(nèi)容，深入淺出，適合于有意向開展或了解高通量多尺度材料計算、材料數(shù)據(jù)和機器學習的高校、科研院所和企業(yè)等層面的讀者群體。

張統(tǒng)一

中國科學院院士

2023 年7 月18 日

本書的出版，得到了國家科學技術學術著作出版基金(2022) 的資助，也得到了國家自然科學基金面上項目(2014)、國家自然科學基金重點項目(2015)、“十三五”國家重點研發(fā)計劃“材料基因工程重點專項”(2016，2017，2018)、云南省“稀貴金屬材料基因工程”重大科技專項(2018)、國家自然科學基金專項“面向2035 的材料設計制造工業(yè)軟件戰(zhàn)略研究”(2021)的支持。

本文摘編自《高通量多尺度材料計算和機器學習》（楊小渝著. 北京：科學出版社, 2023.8）一書“前言”“序一”“序二”，有刪減修改，標題為編者所加。

（本文編輯：劉四旦）