计算科学在材料科学中的应用

1、计算科学在材料科学中的应用计算科学在材料科学中的应用材料是人类社会可经济地制造有用物品的物质材料是人类社会可经济地制造有用物品的物质公元前10万年，石器时代公元前3000年，青铜器时代公元前1000年，铁器时代公元前0年，水泥时代1800年，钢时代1950年，硅时代1990年，新材料时代材料金属材料无机非金属材料：水泥、陶瓷、玻璃等高分子材料：橡胶、塑料、粘接剂等复合材料：金属基、陶瓷基、高分子基等黑色金属：铁、钨有色金属：铝、铜、镁、金、银等材料的分类材料的分类成分、组织结构性能合成与制备使用效能材料科学材料工程材料研究的四要素材料研究的四要素材料研究的方法材料研究的方法实验研究计算模拟10

2、-910-610-3(m)材料的量子力学研究材料的量子力学研究初始电荷密度n(r)电子波函数?i(r)电荷密度nKS(r)nKS(r)=n(r)?基态能量ENY修正多粒子体系的薛定谔方程的求解多粒子体系的薛定谔方程的求解E是电荷密度n(r)的函数ABINIT密度泛函理论（密度泛函理论（DFT）软件包）软件包第一性第一性原理方法原理方法研究材料性质的案例研究材料性质的案例不同Al含量的bcc和fcc结构高熵合金AlxCrMnFeCoNi杨氏模量E的三维分布图材料材料基因组基因组高通量计算高通量计算87.2%77.0%高通量第一性原理方法探索新材料高通量第一性原理方法探索新材料机器学习在材料研究中

3、的应用机器学习在材料研究中的应用机器学习在材料研究中的应用机器学习在材料研究中的应用机器学习在材料研究中的应用机器学习在材料研究中的应用机器学习在材料研究中的应用机器学习在材料研究中的应用人工智能程序人工智能程序“重新发现重新发现”元素周期表元素周期表Atom2VecG. Pilania, C. Wang, X. Jiang, et al., Accelerating materials property predictions using machine learning J, Sci. Rep., 2013, 3: 2810.P. Raccuglia, K.C. Elbert, P.D.

4、Adler, et al., Machine-learning-assisted materials discovery using failed experiments J, Nature, 2016, 533(7601): 73-76.K. Lejaeghere, G. Bihlmayer, T. Bjorkman, et al., Reproducibility in density functional theory calculations of solids J, Science, 2016, 351(6280): aad3000.A.L. Parrill, K.B. Lipkow

5、itz, MACHINE LEARNING IN MATERIALS SCIENCE RECENT PROGRESS AND EMERGING APPLICATIONS, in Reviews in Computational Chemistry. 2016, John Wiley & Sons, Inc.K. Xia, H. Gao, C. Liu, et al., A novel superhard tungsten nitride predicted by machine-learning accelerated crystal structure search J, Science Bulletin, 2018, 63(13): 817-824.Y. Lederer, C. Toher, K.S. Vecchio, et al., The search for high entropy alloy