|
新材料技術(shù)是我國制造業(yè)的“底盤技術(shù)”，在人工智能、云計算等信息技術(shù)的加持下，新材料的發(fā)現(xiàn)與設(shè)計、分析與計算迎來了哪些變化？8月26日，騰訊教育聯(lián)合騰訊云、騰訊量子實驗室、龍訊曠騰、NVIDIA共同舉辦云計算助力材料多尺度計算研討會，邀請11位材料科學領(lǐng)域?qū)＜覍W者分享多尺度計算模擬與云計算領(lǐng)域的最新進展、技術(shù)及成果，推動多尺度計算模擬的理論發(fā)展和應(yīng)用探索。
騰訊杰出科學家、騰訊量子實驗室負責人張勝譽，龍訊曠騰CEO呂海峰，香港城市大學講座教授張瑞勤，北京航空航天大學物理學院院長、教授呂廣宏，中國科學院半導體研究所首席科學家汪林望教授，清華大學物理系長聘教授、日本理化學研究所兼職研究員徐勇，清華大學深圳國際研究生院副教授、博士生導師鄒小龍，浙江大學教授謝昌諭，中國科學院深圳先進技術(shù)研究院研究員趙海濤，騰訊量子實驗室專家研究員郝少剛以及NVIDIA解決方案與架構(gòu)高級技術(shù)經(jīng)理張瑞華等出席了本次線上研討會。
騰訊杰出科學家、騰訊量子實驗室負責人張勝譽在致辭中指出，材料科學是國家產(chǎn)業(yè)升級的關(guān)鍵支撐，騰訊近年來不斷加大在硬核科技研究中的投入，希望通過騰訊云的高性能計算資源和騰訊量子實驗室開發(fā)的TEFS材料研究平臺，助力材料計算領(lǐng)域提升科研效率，加速成果輸出。
騰訊杰出科學家、騰訊量子實驗室負責人張勝譽
龍訊曠騰CEO呂海峰表示，傳統(tǒng)計算材料學與人工智能、云計算等新技術(shù)的融合，使得材料計算模擬正向著更高的精度、更大尺度乃至更大規(guī)模的方向快速推進。龍訊曠騰基于教育科研界、工業(yè)界的前沿需求，打造出一批好用的軟件工具和服務(wù)，助力提高材料研發(fā)效率，縮短研發(fā)周期，降低研發(fā)成本。
龍訊曠騰CEO呂海峰
張瑞勤：機器學習輔助鈣鈦礦材料設(shè)計
在材料領(lǐng)域，傳統(tǒng)的新材料開發(fā)通常是基于試錯的方式進行，成本昂貴而且耗時。隨著云計算技術(shù)帶來的計算能力提升，對材料工作者從事分子和材料研究、設(shè)計工作都帶來很大便利。
香港城市大學講座教授張瑞勤
香港城市大學講座教授張瑞勤以機器學習設(shè)計新材料為例，分享了他的團隊利用機器學習原理輔助發(fā)現(xiàn)優(yōu)質(zhì)的雜化有機-無機鈣鈦礦的過程。研究人員基于DFT（密度泛函理論）計算，通過搭建機器學習預測模型來有效降低了材料實驗和計算的成本。
呂廣宏：金屬材料中子輻照計算模擬平臺構(gòu)建
計算模擬對材料設(shè)計的助力不僅體現(xiàn)在一般的工業(yè)制造層面，在核材料等尖端領(lǐng)域也得到應(yīng)用。中子輻照會導致材料結(jié)構(gòu)性能發(fā)生較大變化，但開展輻照損傷實驗研究面臨著運行成本高、真實運行環(huán)境難找、替代試驗偏差大等諸多問題。
北京航空航天大學物理學院院長、教授呂廣宏
北京航空航天大學物理學院院長、教授呂廣宏介紹了通過中子輻照模擬平臺來計算模擬反應(yīng)堆中子的輻照損傷和輻照效應(yīng)的實踐案例。在金屬材料中子輻照模擬平臺上，研究人員可以模擬中子以不同能量、角度入射金屬材料后的過程，通過輻照初級損傷結(jié)構(gòu)數(shù)據(jù)庫和輻照缺陷性質(zhì)數(shù)據(jù)庫，對整個過程進行動力學演化計算，從而對中子輻照下材料缺陷行為和力熱性能做出預測，最終的計算結(jié)果和實驗結(jié)果符合度非常高。
汪林望：高性能計算、大數(shù)據(jù)、人工智能與材料創(chuàng)新
“在材料創(chuàng)新模式上，不斷試錯的愛迪生式方法已經(jīng)不再適用。”中國科學院半導體研究所首席科學家汪林望教授表示，不同于以往通過理性推導，從底層一步步到上層的方式，隨著AI for science（科學智能）時代的到來，我們可以用統(tǒng)計的方法來解決同樣的問題。
中國科學院半導體研究所首席科學家汪林望教授
而對于機器學習在材料研發(fā)上的應(yīng)用，汪林望認為主要體現(xiàn)在兩個方向：一是拿來做數(shù)據(jù)挖掘，在海量數(shù)據(jù)中發(fā)現(xiàn)分子結(jié)構(gòu)、屬性之間的相互關(guān)系；第二是做力場的開發(fā)，通過擬合第一性原理計算產(chǎn)生的大量數(shù)據(jù)，得到一個力場模型，接下來利用機器學習不斷迭代、反復學習映射，使之變得更好。
郝少剛：基于消息傳遞的異質(zhì)圖神經(jīng)網(wǎng)絡(luò)
騰訊量子實驗室作為騰訊前沿科技實驗室矩陣的重要組成，旨在研究量子計算系統(tǒng)、量子計算與量子系統(tǒng)模擬的算法和基礎(chǔ)理論，以及在相關(guān)應(yīng)用領(lǐng)域和行業(yè)中的應(yīng)用。
騰訊量子實驗室專家研究員郝少剛
騰訊量子實驗室專家研究員郝少剛介紹，騰訊量子實驗室主要從兩個方面探索如何將機器學習與DFT計算結(jié)合應(yīng)用在大尺度材料的研究。第一是賦能傳統(tǒng)物理仿真算法，用高精度神經(jīng)網(wǎng)絡(luò)力場取代AIMD（從頭算分子動力學），用神經(jīng)網(wǎng)絡(luò)擬合交換關(guān)聯(lián)泛函，提高DFT精度；第二是從數(shù)據(jù)總結(jié)規(guī)律再做推理，直接把小分子用一些圖神經(jīng)網(wǎng)絡(luò)或者建模的方式來描述，通過機器學習直接推導出它的組成及特性。會上，郝少剛還分享了騰訊量子實驗室利用基于消息傳遞的異質(zhì)圖神經(jīng)網(wǎng)絡(luò)對材料進行科研分析的實踐應(yīng)用。
張瑞華：NVIDIA GPU加速材料科學研究
利用計算機進行材料設(shè)計和發(fā)現(xiàn)，已經(jīng)成為材料科學研究的必要手段，而這背后離不開GPU計算平臺的支持。會上，NVIDIA解決方案與架構(gòu)高級技術(shù)經(jīng)理張瑞華介紹了NVIDIA如何從計算平臺的角度加速、支持新材料研究工作。
NVIDIA解決方案與架構(gòu)高級技術(shù)經(jīng)理張瑞華
張瑞華表示，NVIDIA GPU助力材料科學研究主要有三個應(yīng)用場景，第一個是HPC（高性能計算），第二是用AI的方法進行新材料的發(fā)現(xiàn)，第三是HPC與AI的融合，實現(xiàn)更大尺度的模擬。此外，張瑞華還詳細介紹了VASP、QE、LAMMPS等軟件在NVIDIA GPU計算平臺上的支持情況、擴展能力和加速效果，以及NVIDIA提供的一系列工具資源包，助力材料科學研究的開展。
專家評議：機器學習在材料領(lǐng)域應(yīng)用會常態(tài)存在或曇花一現(xiàn)？
隨著機器學習在材料發(fā)現(xiàn)與設(shè)計上的應(yīng)用越來越廣泛，這一新技術(shù)模式究竟會是未來的行業(yè)常態(tài)還是會很快被取代？現(xiàn)場，來自清華大學、浙江大學、中科院的四位專家對此展開討論。
專家圓桌討論
浙江大學教授謝昌諭表示，機器學習已經(jīng)是一個正在進行時，行業(yè)目前對機器學習的方法很認可。但它更令人期待的是未來在深度學習層面的應(yīng)用，能夠在底層上跟AI進行更好的融合，帶來可解釋性更好、泛化能力更強的模型。
清華大學物理系長聘教授、日本理化學研究所兼職研究員徐勇十分看好機器學習的前景。他認為，把第一性原理作為數(shù)據(jù)產(chǎn)生器，然后通過數(shù)據(jù)來訓練神經(jīng)網(wǎng)絡(luò)，最后取代底層計算軟件，能極大地提升研究效率，帶來的影響將是革命性的。
清華大學深圳國際研究生院副教授、博士生導師鄒小龍表示，材料領(lǐng)域講究極端精細的制造，對于層狀材料的設(shè)計、相互作用的調(diào)控等，往往要精細到原子級，而傳統(tǒng)的方法很難實現(xiàn)，機器學習會成為解決這些問題的重要手段。
“AI+材料科學會遇到瓶頸，但是材料科學+AI一定是長期的方向。”中國科學院深圳先進技術(shù)研究院研究員趙海濤認為。人工智能是為基礎(chǔ)學科服務(wù)的工具，就像Excel表格一樣，成為我們分析數(shù)據(jù)的一個手段，幫助我們發(fā)現(xiàn)規(guī)律，或者解決人的時間問題、時效問題、偏見問題等等。
此外，專家們還圍繞機器學習在材料科學領(lǐng)域的應(yīng)用前景展開了更多深入的探討。 | 
