MatCloud+材料云:高通量多尺度全流程的国产材料集成设计工业软件

人们对工业软件的理解大多为基于宏观有限元的模拟仿真,然而计算模拟很多时候还需深入到电子、原子和分子层次。为此,研发了微观多尺度材料集成设计工业软件MatCloud+材料云,不仅将建模、计算流、材料数据库、计算集群以及AI算法等一体化置于云端,而且研发了自主可控的第一原理计算和分子动力学程序包,积累材料数据近千万。高校和科研院所用户无需下载安装,通过浏览器即能开展高通量多尺度模拟。企业用户可部署私有云,通过“软件定义”方式,快速将碎片化的实验数据结构化,并与高通量计算数据融合开展材料智能设计。MatCloud+材料云的开发,打破了微观多尺度材料集成设计工业软件被国外垄断的局面。

基于ANN的新型MOFs性能预测

在MOFs研究领域,探寻新型MOFs仍然是非常困难的研究问题.将MOFs进行"材料基因编码"后,应用遗传算法(Genetic Algorithm, GA)可以快速探索新型MOFs,但其性能依赖于设定的个体适应度函数,且对新生成的MOFs个体的有效评估也影响了该方法的效果.机器学习方法可以对MOFs的构效关系进行评估与预测,人工神经网络(Artificial Neural Network, ANN)是众多机器学习方法中具有代表性的一个,可以发掘非线性的构效关系.本文提出将神经网络用于预测遗传算法生成的新型MOFs个体对CH4气体的吸附能力,从而帮助遗传算法搜索新型MOFs.实验结果表明,神经网络可以有效评估新型MOFs材料,证明了将神经网络与遗传算法相结合用于新型MOFs搜索和筛选的可行性.