變更

'''新材料数字化'''MatCloud+材料云：新材料 [[ 数字化 ]] 、智能化研发大数据<ref>[http://news.sohu.com/a/682568978_120685950 什么叫大数据？以及大数据的发展趋势是什么？]，搜狐，2023-06-06</ref>平台与技术, ， 机器学习，材料 [[ 数据库 ]] ，高通量材料计算，新材料数字化研发

新材料数字化研发， [[ 新材料 ]] 研发加速器

===成果简介 ：==

采用AI 辅助新材料设计的一个主要瓶颈在于材料 [[ 数据 ]] 的稀缺。高通量多尺度材料计算在很多情况下可以弥补实验数据的不足，但其高门槛却阻碍了用户的使用。例如，用户不仅要十分熟悉不同尺度的材料计算（如量子力学，分子动力学），还要对Linux系统了如指掌；计算数据往往存储于个人硬盘，不能形成集中统一管理的材料数据便于AI的应用。此外，微尺度材料集成设计工业 [[ 软件 ]] ，被国外软件垄断，价格昂贵，并对我国兵工行业逐步禁用。 MatCloud+是我国自主知识产权的新材料数字化设计与研发平台，其特点可概括为：高通量，高并发，网络化，图形化，集成化，流程化，自动化。创新点在于：

（1）数据、 [[ 计算 ]] 、HPC、AI一体化整合，“理论设计优先，实验验证在后”的新材料研发模式。

（2）对材料计算模拟、机器 [[ 学习 ]] 、材料数据库的操作进行了重新定义，通过高通量、图形化、自动化的方式，生成训练集，用于机器学习。

（3）机器学习引擎，能智能、自动、便捷地构建“结构-成分- [[ 工艺]]-性质”预测模型。

（5）高通量计算驱动引擎，高通量并发式材料计算和筛选的方式，发现新的材料。 MatCloud+提出了云端高通量、多尺度、自动化流程的材料计算模拟体系架构，将MatCloud+直接连接千核/万核高性能计算集群，实现了云端高通量多尺度材料计算模拟、自动调整和纠错；通过软件定义材料计算模拟，将模型搭建、高通量建模、各处理间数据流动（如几何优化、静态计算）、参数设置、赝势处理/势函数匹配、计算数据后处理、计算数据持久化，以及机器学习等关键环节，图形化、组件化，便于用户通过 [[ 鼠标 ]] “托拽”方式，实现高通量筛选逻辑的“自组装”；通过“建模→计算→数据→AI”的云端自动化流程，解决了材料计算参数 [[ 设置 ]] 复杂、赝势处理繁琐、数据后处理易出错、计算数据易丢失等问题，帮助实现材料自动化发现。计算模拟一旦结束，自动形成材料计算数据库。