金属学报

作者：王冠杰, 李开旗, 彭力宇, 张壹铭, 周健, 孙志梅

单位：1. 北京航空航天大学 材料科学与工程学院 北京 100191；2. 北京航空航天大学 国际交叉科学研究院 集成计算材料工程中心 北京 100191

关键词：材料基因工程,高通量计算,材料数据库,人工智能,多尺度集成计算,二元铝合金高通量筛选,

基金：国家重点研发计划项目(2017YFB0701700);国家自然科学基金项目(51872017);北航高性能计算平台项目

材料研发模式经历了经验主导的第一范式、理论模型主导的第二范式和计算模拟主导的第三范式，如今正处于数据驱动的第四范式。为加速新材料的设计与研发，发展基于材料数据库和人工智能算法的高通量自动集成计算和数据挖掘算法变得至关重要。本文介绍了作者团队自主开发的分布式高通量自动流程集成计算和数据管理智能平台ALKEMIE2.0 (Artificial Learning and Knowledge Enhanced Materials Informatics Engineering 2.0)，该平台基于AMDIV设计理念，包含了自动化、模块化、数据库、人工智能和可视化流程等5个适用于数据驱动的材料研发模式核心要素。概括来说，ALKEMIE2.0以模块化的方式集成了多个不同尺度的计算模拟软件；其高通量自动纠错流程可实现从建模、运行到数据分析，全程自动无人工干预；支持单用户不低于104量级的并发高通量自动计算模拟。进一步而言，ALKEMIE2.0具有强大的可移植性和可扩展性，目前已部署在国家超算天津中心，基于多类型材料数据库结合超算强大的计算能力使得人工智能算法在新材料设计与研发中得以快速的应用和实践。更重要的是，ALKEMIE2.0设计了用户友好的可视化操作界面，使得结构建模、工作流计算逻辑、数据分析和机器学习模型具有更高的透明性和更强的可操作性，且适用于对材料计算模拟掌握程度从初级到专业的所有材料研究人员。最后，通过多平台部署和高通量筛选二元铝合金2个算例详细展示了ALKEMIE2.0的主要特色及功能。

来源：2022年第1期

《金属学报》期刊编辑部

查看金属学报杂志2022年第1期