材料基因组计划高通量材料集成计算关键技术和服务平台研究

The traditional "try-and-error" approach for new material design is time-consuming hence ineffective. The computational combinatorial chemistry and informatics techniques can be appropriately employed to identify the inorganic material "gene" in a theoretical and predictable way. This can be an effective method to transit new material design from "try-and-error" approach to "integrated material design". However, this methodology requires a comprehensive e-infrastructure to facilitate the material development. The existed e-infrastructures or material computational platforms /tools are either closely tied to material simulation code that imposes some usage restrictions or are not entirely for open access, which has restricted the material innovation in some sense. In this project, we aim to investigate how the idea of "building block" and "high-throughput screening" from combinatorial chemistry can be used in computational material science to build a material computational platform and associated database, namely, MatCloud, where data, various scripts and open-source material simulation code (i.e. ABINIT) can be integrated. Based on the MatCloud, we will use CX chemical system that is formed by graphene adsorbing halogen element (X = F, Cl, Br) as an exemplar material to investigate the pattern of how key properties of CX can vary with different doping concentrations and carrier transportation characteristics, etc. A prediction model will then be developed by using appropriate data mining techniques based on the computational data and some experimental data. The model will be used to predict certain key features of C-X system. We believe the innovative methods and techniques for computational material science and material informatics developed in this project can open new dimensions for "integrated material design" and Material Genome Initiative.

我国目前暂没有自主知识产权的高通量材料集成计算方法和技术，已成为制约我国开展材料基因组计划的瓶颈。将组合化学和材料信息学的思路和方法引入材料计算模拟, 通过材料计算以有理论依据，可预测的方式寻找材料组成"基因"，设计出新化合物，是新材料设计从"炒菜式"向"材料集成设计"转变的一条有效途径。该项目旨在探讨如何将组合化学中"构建单元"和"高通量筛选"理念用于材料计算模拟，及如何将数据，代码，和材料计算软件有效集成并建立材料计算模拟服务平台及材料信息库的方法和技术。基于上述方法和技术，以石墨烯为目标材料开展应用研究, 研究实现高通量材料集成计算的方法，技术和服务平台，以支持中国版材料基因组计划。

本项目在材料基因工程领域取得突破性成果，填补了国内空白。我们成功研发了一个材料在线设计平台，既我国首个高通量材料计算和数据管理平台MatCloud（Computational Materials Science 146 (2018) 319–333），并上线运行（http://matcloud.cnic.cn）。MatCloud的上线运行，标志基于大规模计算模拟，进行材料成分设计、性质预测、及机理解释等成为可能。比如，寻找Fe-Al二元系稳定立方结构的案例， 实验需要30天，通过高通量计算和筛选 ，1000 CPU核，只需约7天的时间， 且计算预测的结果与文献报道基本吻合。. 该项目已发表文章10多篇，软著3个，专利3 个，成果转移转化 1 个。平台注册用户已突破 1000，举办培训 7 场， 培训用户 近 300人次。 . MatCloud还解决了材料计算模拟3 个问题，如何通过自动化并且有效地获取、存储和管理材料计算数据？对材料性能的模拟涉及到一系列的流程，如何让用户灵活地设计流程从而计算不同材料性能？如何让那些不熟悉DFT密度泛函理论的科研人员也能容易地开展DFT计算模拟从而快速地获取他们想要的数据，并且能容易地管理数据、数据可视化和开展数据挖掘？ . 传统基于实验“试错法”的新材料设计，周期长，效率低。通过高通量材料计算可以帮助快速寻找或筛选材料组成的基本构建单元，“搭建“新的化合物，并结合材料信息学相关技术将数据，代码，和多尺度材料计算流程集成，快速构建材料数据库。而材料信息学是”运用计算的方法来处理和解释材料科学和工程数据“，它可以与多尺度材料计算、人工智能相结合，通过已知的可靠实验数据，用理论模拟去尝试尽可能多的真实或未知材料，从而建立其组份，结构和各种物性的数据库，通过人工智能探寻材料组份，结构和性能之间的关系模型，以一种有理论依据，可预测的方式，用于指导新材料设计。

内容获取失败，请点击重试