随着计算机的发展和计算能力的提高，计算材料学快速兴起，推动了材料研发由“经验+试错”的模式向计算驱动模式转变。计算驱动模式是现代材料研发的重要手段，可以有效提升材料研发的效率并降低研发成本。
◎本报记者 陈 曦
“公司和海河实验室开发的高比能锂离子动力电池项目，应用于电动汽车，续航里程可达1000公里。研发中所选材料需要计算来优化设计、改善性能，电池的电化学仿真结构和热仿真方面，也需要模拟计算。平时需要三四天才能算完，应用超级计算机，一天就算完了。”天津市捷威动力工业有限公司研究院副院长马华在日前举行的“计算—数据—智能融合驱动的材料创新研究高端论坛”上对科技日报记者说。
(相关资料图)
在此次论坛上，专家、学者共同探讨了在新一代信息技术创新变革驱动下，如何探索发展计算—数据—智能融合驱动的材料创新研究范式，变革传统材料研究模式。
新一代信息技术带来新材料研发变革
随着新一轮信息技术的蓬勃发展，云计算、大数据、人工智能、超级计算等信息技术不断赋能各类行业，带动了行业模式的深度变革。
新材料的设计和研发越来越依赖超级计算机，材料的模拟计算已经成为超级计算主要应用领域之一。“信息技术与新材料深度融合，共同推动制造业向高端化发展。”国家超算天津中心党组书记孟祥飞说，由于材料是一个复杂的高维多尺度耦合系统，现有的基础理论还不能准确地描述材料成分—组织/结构—性能—服役行为的构效关系，一些深层次的机理还不清楚，导致材料研发长期基于经验，依靠“试错法”推进。随着计算机的发展和计算能力的提高，计算材料学快速兴起，推动了材料研发由“经验+试错”的模式向计算驱动模式转变。计算驱动模式是现代材料研发的重要手段，可以有效提升材料研发的效率并降低研发成本。
“在最近十多年，随着材料计算数据和实验数据的爆炸式增长，以及人工智能技术的发展，数据和智能驱动的材料研发分析和性质预测已成为材料研究的新手段。”孟祥飞介绍。
在美国、欧洲等国家和地区，超级计算机在材料计算与数据库建设方面起步早，已经取得了一定成效。比如由美国能源部主导建设的在线开源材料计算与数据库平台，可有效加速新材料的筛选；美国杜克大学建立的AFLOW数据库可提供基本的材料搜索、分析等服务，并集成了材料性质预测的机器学习模块。
国内也有不少科研团队和公司正在开展高通量计算与材料数据挖掘等工作，国家超级计算天津中心研发了中国材料基因工程高通量计算平台CNMGE，该平台实现了催化等多种材料的自动高通量计算以及多元多相复合材料力学行为的多尺度计算。
超级计算驱动新材料创新发展
在新一代信息技术创新变革驱动下，探索发展计算—数据—智能融合驱动的材料创新研究新范式，变革传统材料研究模式尤为重要。
特别是要依托我国新一代百亿亿次超级计算系统，将传统的计算材料学与新兴的人工智能和大数据技术相融合，通过构建高通量、多尺度计算与高精度专题数据库基础研究设施平台，开发基于机器学习的材料快速性能预测方法及模型，从而提高能源、化工、电子、环境等领域新材料的“绿色”创造与制造研发效率。
以近年来国际材料领域兴起的前沿技术材料基因工程为例，它包括3种模式：一是高通量实验技术，通过高通量实验加速新材料研发；二是高通量计算，通过理论计算，减少实验次数，再进行实验验证；三是数据与智能驱动，通过对材料领域大量数据(即材料数据库)的挖掘和深度学习建立模型，预测候选材料，大幅降低实验试错成本。“在材料基因工程思想的引领下，国内外也涌现出一批计算、数据与智能相结合的研究成果。”孟祥飞说。
“首创性、独创性的科学研究不仅需要快速验证，更需要频繁试错、迭代，找准新的方向，这就更需要算法和算力的支撑。”物质绿色创造与制造海河实验室常务副主任、中国科学院院士、南开大学副校长陈军表示。
由此可见，超级计算平台作为“超级算力供给+大规模数据支撑+系统性算法集成”的融合载体，在新材料创新研发方面正发挥着日益强劲的驱动作用，特别是伴随天河等新一代超级计算机的研制成功，通过将高性能计算方法、机器学习方法与第一性原理计算方法相融合，将实现更高精度、更大尺度的分子层面模拟计算以及开展上万级任务并发的高通量材料筛选等工作。因此，计算和智能技术融合将会为新材料创新研发带来新机遇、新发展。
