学术报告
当前位置:首页 > 学院聚焦 > 学术报告
中科院杨小渝研究员学术报告-10.26
发布时间: 2020-10-25 16:19:34   作者:本站编辑   来源: 本站原创   浏览次数:

报告题目:基于高通量材料计算、数据和AI的新材料研发技术及案例讲解

报告人:杨小渝  中科院计算机网络信息中心研究院 研究员

报告时间:20201026日(星期一)下午15:00-17:00

报告地点:材料与能源学院21教学楼105会议室

 

报告人简介:

杨小渝,博士、英国剑桥大学博士后,现为中科院*研究员。杨小渝研究员的研究成果和创新体现了多学科,跨领域的特点。目前主要从事材料基因组高通量材料集成计算、材料多尺度模拟计算等关键核心技术,以及材料计算数据库的建设,研发了我国首个高通量材料计算和管理平台MatCloud,在该领域有着较为深厚的积累。曾参与了十多个英国政府及欧盟框架项目的研发,对信息化技术的应用以及如何沿用国际化的方法和模式系统地开展交叉学科项目的研究有着深刻的理解。在国际重要期刊、国际学术会议发表学术论文20余篇,并著有三部英文学术著作;同时还担任国际期刊主编/国际学术会议审稿人。2011年获由教育部,科技部举办的第五届“春晖杯”留学人员创新创业大赛二等奖。2010年经香港特别行政区“香港优秀人才入境计划”遴选,获“香港优秀人才入境”身份(放弃赴港,直接归国)。

 

报告内容:

随着材料基因工程理念的推广和普及,新材料研发方法和模式,已加速向第四范式转变。然而,材料数据的碎片化,缺失,和稀少始终成为阻碍新材料研发的瓶颈。尽管很多材料研发企业和科研院所都有先进的材料样本测试表征设备,制备设备,及服役性能评价设备,然而获取的表征数据,工艺过程控制数据,及服役性能数据等,大多仍存于设备终端,尚不能做到不同来源数据的集中统一及有效管理, 数据极易丢失。这样的材料数据碎片化不能充分发挥数据的价值,更不利于基于AI的数据学习。 材料计算模拟在很多情况下可以弥补实验数据的不足,但材料计算模拟的高门槛阻碍了其使用。材料研发一线人员,想通过材料计算模拟预测性能随结构、成分、组织等的变化关系,或通过材料计算筛选,寻找性能最优的目标材料,面临着要编译材料计算软件(如ABINITCP2K LAMMPS),熟悉Linux系统,并且解决材料计算资源的系列问题。跨尺度计算和材料数据AI学习的要求更是增加了挑战性。为此经过8年持续的研发和积累,我们研发了一个将计算、数据、超算、AI一体化集成的材料基因组云平台MatCloud,并成功实现了成果转化(MatCloud+),目前注册用户已超过1500。整个平台对用户呈现了“软件SaaS化,操作图型化,流程自动化,设计拖拽化,学习智能化,资源集成化”的特点,且通过材料数据,实现了将高通量材料计算、与材料测似表征及制备的关联。在此基础上,初步实现了材料数据快速的AI学习及材料各行业、各门类算法和模型的快速集成(如锂电池,液态金属)。

本报告阐述该材料基因组云平台的研发背景、理念、方法、功能模块,及实施案例等。报告包括3个部分:(1)首先介绍 MatCloud+如何将材料计算、数据、模拟、超算、AI一体化置于开放的云端,连接高性能计算机和数据库,通过高通量、多尺度、流程化、自动化的计算,进行高通量计算和筛选,快速构建行业数据库, 实现数据的集中管理和存储。并在此基础上,基于二次开发的机器学习智能工具,帮助快速构建QSPR模型,从而实现材料的性能预测、逆向设计,促进材料的智能生成;(2)典型案例讲解以及(3)高通量计算平台MatCloud+演示。