大數據+超算，“算”出未來新材料

陳曦

隨著計算機的發展和計算能力的提高，計算材料學快速興起，推動了材料研發由“經驗+試錯”的模式向計算驅動模式轉變。計算驅動模式是現代材料研發的重要手段，可以有效提升材料研發的效率并降低研發成本。

“公司和海河實驗室開發的高比能鋰離子動力電池項目，應用于電動汽車，續航里程可達1000公里。研發中所選材料需要計算來優化設計、改善性能，電池的電化學仿真結構和熱仿真方面，也需要模擬計算。平時需要三四天才能算完，應用超級計算機，一天就算完了。”天津市捷威動力工業有限公司研究院副院長馬華在日前舉行的“計算—數據—智能融合驅動的材料創新研究高端論壇”上對科技日報記者說。

在此次論壇上，專家、學者共同探討了在新一代信息技術創新變革驅動下，如何探索發展計算—數據—智能融合驅動的材料創新研究范式，變革傳統材料研究模式。

隨著新一輪信息技術的蓬勃發展，云計算、大數據、人工智能、超級計算等信息技術不斷賦能各類行業，帶動了行業模式的深度變革。

新材料的設計和研發越來越依賴超級計算機，材料的模擬計算已經成為超級計算主要應用領域之一。“信息技術與新材料深度融合，共同推動制造業向高端化發展。”國家超算天津中心黨組書記孟祥飛說，由于材料是一個復雜的高維多尺度耦合系統，現有的基礎理論還不能準確地描述材料成分—組織/結構—性能—服役行為的構效關系，一些深層次的機理還不清楚，導致材料研發長期基于經驗，依靠“試錯法”推進。隨著計算機的發展和計算能力的提高，計算材料學快速興起，推動了材料研發由“經驗+試錯”的模式向計算驅動模式轉變。計算驅動模式是現代材料研發的重要手段，可以有效提升材料研發的效率并降低研發成本。

“在最近十多年，隨著材料計算數據和實驗數據的爆炸式增長，以及人工智能技術的發展，數據和智能驅動的材料研發分析和性質預測已成為材料研究的新手段。”孟祥飛介紹。

在美國、歐洲等國家和地區，超級計算機在材料計算與數據庫建設方面起步早，已經取得了一定成效。比如由美國能源部主導建設的在線開源材料計算與數據庫平臺，可有效加速新材料的篩選；美國杜克大學建立的AFLOW數據庫可提供基本的材料搜索、分析等服務，并集成了材料性質預測的機器學習模塊。

國內也有不少科研團隊和公司正在開展高通量計算與材料數據挖掘等工作，國家超級計算天津中心研發了中國材料基因工程高通量計算平臺CNMGE，該平臺實現了催化等多種材料的自動高通量計算以及多元多相復合材料力學行為的多尺度計算。

在新一代信息技術創新變革驅動下，探索發展計算—數據—智能融合驅動的材料創新研究新范式，變革傳統材料研究模式尤為重要。

特別是要依托我國新一代百億億次超級計算系統，將傳統的計算材料學與新興的人工智能和大數據技術相融合，通過構建高通量、多尺度計算與高精度專題數據庫基礎研究設施平臺，開發基于機器學習的材料快速性能預測方法及模型，從而提高能源、化工、電子、環境等領域新材料的“綠色”創造與制造研發效率。

以近年來國際材料領域興起的前沿技術材料基因工程為例，它包括3種模式：一是高通量實驗技術，通過高通量實驗加速新材料研發；二是高通量計算，通過理論計算，減少實驗次數，再進行實驗驗證；三是數據與智能驅動，通過對材料領域大量數據（即材料數據庫）的挖掘和深度學習建立模型，預測候選材料，大幅降低實驗試錯成本。“在材料基因工程思想的引領下，國內外也涌現出一批計算、數據與智能相結合的研究成果。”孟祥飛說。

“首創性、獨創性的科學研究不僅需要快速驗證，更需要頻繁試錯、迭代，找準新的方向，這就更需要算法和算力的支撐。”物質綠色創造與制造海河實驗室常務副主任、中國科學院院士、南開大學副校長陳軍表示。

由此可見，超級計算平臺作為“超級算力供給+大規模數據支撐+系統性算法集成”的融合載體，在新材料創新研發方面正發揮著日益強勁的驅動作用，特別是伴隨天河等新一代超級計算機的研制成功，通過將高性能計算方法、機器學習方法與第一性原理計算方法相融合，將實現更高精度、更大尺度的分子層面模擬計算以及開展上萬級任務并發的高通量材料篩選等工作。因此，計算和智能技術融合將會為新材料創新研發帶來新機遇、新發展。