《高通量多尺度材料計算和機器學習》是2023年科學出版社出版的圖書，作者是楊小渝。
基本介紹
- 中文名：高通量多尺度材料計算和機器學習
- 出版時間：2023年8月1日
- 出版社：科學出版社
- ISBN：9787030762825
內容簡介,圖書目錄,銷售信息,
內容簡介
傳統材料研發模式主要基於實驗“試錯法”，其研發周期長、效率低，人工智慧驅動的科研範式變革和新材料數位化研發模式能有效地降低研發成本，縮短研發周期。《高通量多尺度材料計算和機器學習》基於計算、數據、AI和實驗“四位一體”的新材料集成式智慧型化研發理念，提出了基於材料基因編碼的新材料智慧型設計範式，從企業級新材料研發和面向科研的材料計算視角，重點圍繞高通量材料集成計算、多尺度材料計算模擬、材料資料庫、材料數據機器學習、新材料研發製造軟體等介紹了新材料數位化智慧型化研發和設計基本概念、方法、技術和套用。《高通量多尺度材料計算和機器學習》同時也介紹了國產的高通量多尺度集成式材料智慧型化設計工業軟體MatCloud+，並通過一些精選案例介紹了材料計算、數據和新一代人工智慧等數位化研發方法技術在新能源、金屬/合金、石油化工、複合材料、新型功能材料等重點材料行業或領域的套用。
圖書目錄
目錄
叢書序
序一
序二
前言
第1章 高通量多尺度材料計算：背景、意義和現狀 1
1.1 材料研發之計算 1
1.2 材料研發之 AI 3
1.3 材料研發之數據 5
1.4 高通量多尺度材料計算：需要計算、數據、AI融合的基礎設施支撐 7
1.4.1 高通量多尺度材料計算：特點及挑戰 7
1.4.2 高通量多尺度材料計算平台：新材料研發基礎設施 10
1.4.3 高通量多尺度材料計算平台發展趨勢 .13
1.5 國外高通量多尺度材料計算平台現狀 16
1.5.1 美國微軟的Azure量子元素 16
1.5.2 美國Mat3ra 17
1.5.3 韓國Materials Square 18
1.6 MatCloud+材料云：國產高通量多尺度材料計算平台 18
1.6.1 MatCloud+高通量多尺度材料智慧型設計雲平台簡介 18
1.6.2 高通量、多尺度、SaaS化、流程化、智慧型化、自動化、圖形化 20
1.6.3 10年研發歷程和項目資助 23
1.6.4 在歐盟、美、英、日、中東等的影響力 24
1.6.5 在國內的套用及影響力 25
參考文獻 26
第2章 企業級新材料研發之材料計算、數據、AI 30
2.1 概述 30
2.2 企業級新材料數位化研發典型案例 30
2.3 新材料數位化研發的核心技術：以美國QuesTek公司為例 32
2.3.1 **性原理計算 33
2.3.2 計算熱力學 34
2.3.3 材料資料庫和機器學習 35
2.3.4 物性衍生模型 36
2.4 我國新材料數字研發化：困境、思考和破局 37
參考文獻 38
第3章 材料基因和性能關係模型的構建 39
3.1 材料基因組計畫 39
3.2 基因、材料圖譜、分子指紋 41
3.3 材料基因編碼 vs. 材料基因 42
3.4 材料基因編碼的數學表達 44
3.4.1 材料基因 44
3.4.2 材料基因編碼的數學表達：材料基因編碼理想模型 44
3.5 基於材料基因編碼的材料智慧型設計框架 45
3.6 基於材料基因編碼的材料智慧型設計範式 46
參考文獻 46
第4章 高通量材料計算與篩選 48
4.1 高通量計算 48
4.2 高通量材料計算 51
4.2.1 高通量材料計算的特點 51
4.2.2 高通量材料計算的分類 52
4.2.3 高通量材料計算的用途 53
4.3 高通量材料計算篩選 53
4.3.1 高通量篩選 53
4.3.2 高通量計算篩選 54
4.3.3 高通量計算篩選的結構候選空間 54
4.3.4 生成化學空間的案例 56
4.3.5 生成化學空間的其他注意點 58
4.3.6 高通量計算篩選的理論計算 59
4.4 高通量材料集成計算 60
4.4.1 如何有效地與高性能計算集成 60
4.4.2 如何有效地與材料數據分析集成 61
4.4.3 高通量計算各環節步驟的自動化集成 62
4.4.4 不同尺度計算軟體的集成 65
4.4.5 計算數據與實驗數據的集成 65
4.5 智算驅動的高通量材料集成計算平台建設 66
4.5.1 智算驅動的高通量材料集成計算平台總體架構 66
4.5.2 基於開放架構的智算平台核心技術實現 67
4.5.3 驅動引擎和自動流程 68
4.5.4 材料計算、製備、表征及服役的融合 68
4.5.5 融合人工智慧與多尺度計算 68
4.6 高通量材料集成計算的未來發展趨勢 68
參考文獻 69
第5章 高通量計算環境 71
5.1 高通量計算環境之提供：高性能計算 71
5.1.1 術語和概念 71
5.1.2 多核架構 72
5.1.3 GPU架構 73
5.1.4 X-PU架構專用晶片 74
5.2 高通量計算環境之硬體：計算集群 75
5.2.1 計算集群基本概念 75
5.2.2 Beowulf計算集群 75
5.2.3 計算集群的優缺點分析 76
5.3 高通量計算環境之軟體：集群作業管理系統 77
5.3.1 集群作業調度 78
5.3.2 集群作業管理 79
5.4 高通量材料集成計算對高性能計算提出的挑戰 80
5.4.1 “多節點，小核數”vs.“少節點，大核數” 80
5.4.2 “不滿核，非*占”vs.“不滿核，*占” 81
5.4.3 自動調整和糾錯 81
5.4.4 作業的停止、刪除、續算 82
5.4.5 海量數據處理 82
參考文獻 82
第6章 高通量材料計算驅動引擎 83
6.1 高通量材料計算驅動引擎概念 83
6.2 高通量材料計算驅動引擎核心功能剖析.84
6.3 高通量材料計算驅動引擎非功能需求分析 86
6.4 實現高通量材料計算驅動引擎的關鍵要素 86
6.4.1 作業與任務的區分 86
6.4.2 滿足材料計算的高通量特性 87
6.4.3 高通量材料計算的容錯、糾錯機制. .87
6.4.4 工作流系統 87
6.4.5 高通量材料計算驅動引擎的要素整合 91
參考文獻 92
第7章 高通量結構建模 93
7.1 結構建模概述. .93
7.2 超胞構建 94
7.3 摻雜 94
7.4 表面切割 95
7.5 表面吸附 96
7.6 界面建模 97
7.7 粗粒化建模 98
參考文獻 98
第8章 多尺度計算模擬和跨尺度橋接. .99
8.1 概述 99
8.1.1 不同時空尺度的定義 100
8.1.2 跨尺度橋接 102
8.2 多尺度材料計算模擬104
8.2.1 量子和原子空間尺度的計算模擬 104
8.2.2 微觀尺度的材料結構演化和材料回響.108
8.2.3 巨觀尺度的計算模擬 113
8.3 軟體的輸入-輸出關係和跨尺度橋接耦合 116
8.3.1 常用材料計算軟體的輸入-輸出關係 117
8.3.2 常用材料計算軟體的跨尺度橋接方法.120
8.4 跨時空尺度計算模擬的局限和挑戰 122
8.5 跨時空尺度計算模擬的發展路線圖 126
8.5.1 從科學/技術角度給出的建議路線圖 126
8.5.2 從程式開發角度給出的建議路線圖 127
8.6 自動化跨尺度橋接的國產軟體 128
8.6.1 支持多尺度計算模擬的工作流引擎 128
8.6.2 跨尺度橋接的自動化流程實現 129
8.7 科技資源標識管理系統SciDataHandle 131
參考文獻 132
第9章 面向科研的材料計算. .133
9.1 面向科研的材料計算特點 133
9.1.1 面向科研的材料計算與企業級新材料研發的區別 133
9.1.2 面向科研的材料計算主要特點 134
9.1.3 面向科研的材料計算用戶行為分析 134
9.2 無須下載、編譯、連結、安裝的材料計算 135
9.2.1 計算模擬代碼的編譯和連結 135
9.2.2 購買和安裝 136
9.2.3 雲端材料計算：免下載、安裝、編譯、連結的材料計算 136
9.3 無須擔心硬體資源、計算資源的材料計算 137
9.4 **性原理計算的“多結構、多任務、多目標”問題 138
9.5 分子動力學的力場、前處理、後處理問題 139
9.5.1 分子動力學的力場設定 139
9.5.2 經驗力場的分類 139
9.5.3 經驗力場的局限性 141
9.5.4 力場的開發和擴展 141
9.5.5 力場參數的自動匹配 144
9.5.6 分子動力學計算的前處理挑戰 145
9.5.7 分子動力學計算的後處理挑戰 146
9.6 材料計算的作業管理、任務管理、資源管理 148
9.7 “建模、計算、數據、AI”的自動流水線模式 149
9.8 面向科研的材料計算面臨的挑戰和發展趨勢 150
9.8.1 面向科研的材料計算面臨的挑戰 150
9.8.2 材料計算和機器學習的深度融合 151
參考文獻 152
第10章 企業級材料基因資料庫 153
10.1 構建企業級材料基因資料庫的意義和挑戰 153
10.1.1 構建企業級材料基因資料庫的意義 153
10.1.2 構建企業級材料基因資料庫的挑戰 153
10.2 材料基因資料庫需求分析與架構 154
10.3 材料基因資料庫的實現技術 156
10.3.1 內部數據之製備和測試表征 156
10.3.2 外部數據之行業信息數據 157
10.3.3 數據安全 157
10.3.4 材料數據類型 159
10.4 材料測試表征和製備工藝數據錄入的解決方案 159
10.5 材料數據的查詢和檢索 160
10.5.1 查詢方式 160
10.5.2 檢索方式 160
10.5.3 檢索模式 161
參考文獻 162
第11章 機器學習：材料基因編碼的挖掘 163
11.1 材料數據的機器學習.163
11.2 定量構效關係模型 164
11.2.1 定量構效關係模型的構建流程 164
11.2.2 特徵和描述符的區別 165
11.3 數據收集 166
11.4 特徵提取 167
11.4.1 描述符獲取 167
11.4.2 結構特徵 169
11.4.3 結構特徵獲取 169
11.4.4 元素特徵及獲取 173
11.5 特徵篩選 173
11.6 模型構建 174
11.7 模型評估 175
11.7.1 分類問題的評估指標 175
11.7.2 回歸問題的評估指標 175
11.8 模型存儲 176
11.9 主動學習 176
11.9.1 主動學習在材料數據機器學習中的套用 176
11.9.2 主動學習的選取未標記樣本策略 177
11.10 一個機器學習挖掘材料基因編碼的實例 177
參考文獻 180
第12章 材料設計製造工業軟體 183
12.1 新材料設計製造軟體的“卡脖子”局面 183
12.2 新材料設計製造軟體的研發進展與前沿動態 184
12.2.1 新材料數位化研發及新材料設計製造軟體的內涵和外延 184
12.2.2 新材料設計製造軟體的分類 .184
12.2.3 巨觀尺度的新材料製造設計軟體 186
12.2.4 微觀尺度的材料結構演化和材料回響. .188
12.2.5 量子和原子空間尺度的材料計算軟體. .188
12.2.6 材料集成設計軟體 188
12.3 我國在材料設計製造工業軟體的學術地位及發展動態 191
12.3.1 材料設計製造軟體引起國家和地方政府重視 192
12.3.2 我國的材料設計製造軟體、資料庫及標準現狀 193
12.4 新材料研發工業軟體發展重點及未來展望 194
12.4.1 材料設計軟體與製造工業軟體發展重點. .194
銷售信息
2024年4月，《高通量多尺度材料計算和機器學習》一書榮登京東工業類圖書銷售榜首。
