計算科學(xué)在材料科學(xué)中的應(yīng)用

1、計算科學(xué)在材料科學(xué)中的應(yīng)用計算科學(xué)在材料科學(xué)中的應(yīng)用材料是人類社會可經(jīng)濟地制造有用物品的物質(zhì)材料是人類社會可經(jīng)濟地制造有用物品的物質(zhì)公元前10萬年，石器時代公元前3000年，青銅器時代公元前1000年，鐵器時代公元前0年，水泥時代1800年，鋼時代1950年，硅時代1990年，新材料時代材料金屬材料無機非金屬材料：水泥、陶瓷、玻璃等高分子材料：橡膠、塑料、粘接劑等復(fù)合材料：金屬基、陶瓷基、高分子基等黑色金屬：鐵、鎢有色金屬：鋁、銅、鎂、金、銀等材料的分類材料的分類成分、組織結(jié)構(gòu)性能合成與制備使用效能材料科學(xué)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實驗研究計算模擬10

2、-910-610-3(m)材料的量子力學(xué)研究材料的量子力學(xué)研究初始電荷密度n(r)電子波函數(shù)?i(r)電荷密度nKS(r)nKS(r)=n(r)?基態(tài)能量ENY修正多粒子體系的薛定諤方程的求解多粒子體系的薛定諤方程的求解E是電荷密度n(r)的函數(shù)ABINIT密度泛函理論（密度泛函理論（DFT）軟件包）軟件包第一性第一性原理方法原理方法研究材料性質(zhì)的案例研究材料性質(zhì)的案例不同Al含量的bcc和fcc結(jié)構(gòu)高熵合金AlxCrMnFeCoNi楊氏模量E的三維分布圖材料材料基因組基因組高通量計算高通量計算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機器學(xué)習在材料研究中

3、的應(yīng)用機器學(xué)習在材料研究中的應(yīng)用機器學(xué)習在材料研究中的應(yīng)用機器學(xué)習在材料研究中的應(yīng)用機器學(xué)習在材料研究中的應(yīng)用機器學(xué)習在材料研究中的應(yīng)用機器學(xué)習在材料研究中的應(yīng)用機器學(xué)習在材料研究中的應(yīng)用人工智能程序人工智能程序“重新發(fā)現(xiàn)重新發(fā)現(xiàn)”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