材料基因工程：材料设计与模拟

刘利民（中科院北京计算中心，北京 100080）

材料基因工程：材料设计与模拟

刘利民
（中科院北京计算中心，北京 100080）

本文引用格式：刘利民.材料基因工程：材料设计与模拟[J]. 新型工业化，2015，5（12）：71-88.

1 材料设计与模拟发展现状

1.1 材料设计与模拟的主要内容

材料模拟与计算设计主要包括两个主要内容：一个是材料的计算模拟，即通过建立数学模型进行数值计算，模拟实验的实际过程；另一个是材料的计算设计，即直接通过材料的理论模型和数值计算结果，预测或设计新材料结构与性能。材料模拟与计算设计架起了从微观结构到宏观性质，从基础研究到工程应用的桥梁。小到纳米尺度的原子分子团簇，大到飞机航母等大尺度的宏观材料性质都能通过不同的方法进行计算模拟。随着材料科学和计算机技术的飞速发展，我们能实现多尺度、高通量的材料模拟和计算设计，这将有助于我们理解材料结构与性能、功能之间的关系，引导新型功能材料发现和发明，缩短新材料研发周期，降低新材料研发过程成本。

1.2 材料设计与模拟和中国社会经济发展的联系

1.2.1 材料设计与经济发展的联系

改革开放三十年以来，中国的经济保持高速发展，国民生产总值已经于2010年超越日本，跃居世界第二位。按照当前中国经济的发展速度，若干年后中国必然会超越美国成为世界第一强国。中国科学院的研究报告曾指出：“如果说20世纪是美国的世纪，那么21世纪将是中国的世纪。预计到2019年，中国对美国实现经济总量的超越。预计到2049年，新中国成立百年时，实现综合国力和国际地位超越美国。”然而，要实现中华民族的伟大复兴，高度发达的科学技术是必备基础，早在1988年邓小平同志就提出了“科学技术是第一生产力”的论断。现代科学技术发展的现状告诉我们，科学技术特别是高新科学技术，正在以越来越快的速度转化为现实的生产力。中国要想在国与国的竞争中取得胜利，成为世界级的强国，必须优先进行长远的科技战略规划，释放科技创新的活力，明确打造科技强国的路径。

材料是人类社会赖以生存的物质基础，纵观人类发展的历史，每种重要新材料的发现和应用都把人类改造自然的能力提升到一个新的水平。在科技日新月异的当代社会，每一项重大科技的突破也很大程度上都是依赖于相应的新材料的发展。新材料是现代科技发展之本，现阶段高新技术的发展往往以新材料技术为突破口，新材料的开发和应用，在某种程度上代表着一个国家的科技水平。新材料产业已经成为二十一世纪的支柱产业，它能够有力支撑节能环保、高端装备制造、新能源汽车、新一代信息技术、生物技术等产业的发展。而以材料设计与模拟为理论基石的材料基因工程在新材料的研发过程中占有非常重要的地位。

1.2.2 材料设计与模拟在材料科学中的地位

如果按照传统的材料制备、测试、分析，再结合理论研究的方法研究新材料，材料从研发到应用往往需要通过反复的测试和改进过程，这些过程需要经历较长的时间并且耗费大量的资源。但是，随着量子力学基本理论的建立和计算机科学技术的飞速发展，人们可以首先通过计算机对新材料的原子结构以及基本性质进行计算模拟，从而大量的节省新材料研发过程的物力人力，减少环境污染，并且大大的缩短了新材料研发的周期。材料模拟与计算设计是继实验研究方法、理论研究方法之后的第三个重要科学研究方法，对未来科学技术的发展将起到越来越重要的作用。材料的理论模拟与计算设计是结合现代的材料科学与技术、物理学基本原理以及计算机技术而产生的新兴学科，已经成为当前材料科学研究中最为活跃的热点之一。

1.3 中国的“材料基因工程”计划

材料计算模拟与计算设计一直以来都受到了美国、欧盟、日本、新加坡等世界主要国家和地区的重视。2011年6月24日，美国宣布了一项总金额超过5亿美元的“推进制造业伙伴关系”计划，其中“材料基因组计划”（其本质是计算材料科学）是其重要的组成部分之一。“材料基因组计划”拟通过新材料研制周期内的政府、高校及企业之间的合作，注重实验技术、理论计算和数据库之间的协作和共享，通过搜集众多科学研究小组以及企业有关新材料的各种数据和信息，并且构建专门的数据库实现共享。“材料基因组计划”解决了新材料从实验室到工厂过程中的一些问题，有望使新材料的研发周期减半，研发成本降低到原来的几分之一。中国工程院在2012年12月21日召开了《材料科学系统工程发展战略研究—中国版材料基因组计划》重大项目启动会，掀开了中国材料设计与模拟领域远景规划的序幕。预计到2049年，中国建国100周年的时候，新的材料设计和模拟方法将不断优化，新材料数据库也将不断完善，材料的理论研发和工厂生产有望实现无缝对接。

2 2049年材料模拟计算方法愿景

2.1 电子结构计算方法发展概况

材料所有的宏观性质都由材料内部的微观结构决定，因此新材料的研发离不开材料的计算与模拟，准确而有效的理论计算和模拟将会有效的减少材料的研发周期并且降低材料的研发成本。在材料的计算与模拟过程中电子结构的计算将是影响整个材料性能的关键，材料电子结构的计算方法也随着时代的变迁而进步。材料电子结构的计算方法基本分为两类，半经验的计算方法和第一性原理计算方法：半经验的计算方法在归纳总结实验和数据的基础上拟合出相似规律的计算参数并应用到其他的体系上；而第一性原理计算方法是指在计算时除了告诉程序你所使用的原子和它们的位置外，没有其它任何实验的、经验的或者半经验的参量。它是通过求解体系的薛定谔方程，从而得到相应材料的各种宏观性质。理论上任何材料的结构和性能都能从对应的薛定谔方程求解得到，因而第一性原理计算在材料计算与模拟领域便显得十分重要。第一性原理计算在过去50多年的时间里经历了较为漫长的发展过程，最初电子结构理论的经典计算方法，特别是Hartree-Fock方法和后Hartree-Fock方法，是基于复杂的多电子波函数的。随后发展起来的密度泛函理论（Density Functional Theory，DFT）是用电荷密度取代电子波函数作为研究的基本量[1]。因为多电子波函数有3N个变量（N为总电子数，每个电子包含三个空间变量），然而电荷密度则仅仅是三个变量的函数，因此，密度泛函理论无论在概念上还是实际应用上都比传统的Hartree-Fock方法更加方便处理。

2.2 原子尺度材料设计与模拟方法的发展

2.2.1 原子尺度材料设计的方法与精度

密度泛函理论是原子尺度材料设计最常用的方法，它主要是通过求解Kohn-Sham方程来实现的[2]。在Kohn-Sham的框架中，最难处理的多体问题被简化成了一个没有相互作用的电子在有效势场中运动的问题。这个有效势场包括了外部势场以及电子间库仑相互作用的影响，即交换和关联相互作用。密度泛函理论近似求解方法从最初局域密度近似（LDA）到广义梯度近似（GGA），meta-GGA，hyper-GGA以及随机相近似的过程。新发展的交换关联泛函或第一原理计算方法能够克服原有方法的某种缺陷和不足，并且比原来的计算方法有更高的计算精度。因此，通过不断的修正交换关联泛函或改进计算方法，可以不断的提高材料模拟与计算精度，形成了一个可以达到理想计算精度“天堂”的“雅克比阶梯”（图2.1）。

2.2.2 原子尺度材料设计的发展趋势

密度泛函理论的发展是随着时代的进步与时俱进的，同时也受着时代发展的制约。一般来说越为精确的方法越是需要越多的计算资源做支撑，雅克比阶梯上越靠近理想精度“天堂”的方法越需要极其庞大的计算资源。目前的第一性原理电子结构计算只能计算原子数目不多的小体系或者周期性的系统，而在原子数目较多的大体系上的应用还相当困难。然而未来的材料计算，大尺度的材料计算与模拟将会是一种趋势，尤其是在基于像云计算和量子计算机的快速发展的先进技术基础上，原子数较多的大体系计算也有可能在未来几十年内便可实现。随着新的电子结构计算方法的不断发展和进步，电子结构的计算误差可以进一步减小，材料计算和模拟的精度进一步提高，计算结果将与实验结果更加接近。

到2049年时，新的电子结构计算方法，比如新的交换关联泛函的出现，或许能够弥补许多现行方法的不足之处，亦有可能精确的实现计算模拟结果和实际材料性能的无缝衔接。材料的计算模拟的结果都能够很好的与实验结果相匹配，引领实验和新材料研发的方向。我们只要给出既定的材料性能需求，便可在海量的材料库中找出或者匹配出相应的材料，通过进一步的计算模拟得出最优的结果，再引导实验得到这样的材料，这样在短时间内便可实现需求到产品这样的流程，将会大大缩短人类对新材料的研发周期和研发成本。

图2.1 密度泛函理论的“雅克比阶梯”

2.3 分子尺度材料设计与模拟方法的发展

2.3.1 分子尺度材料设计与模拟的概念与分类

在当今材料计算科学研究中，分子动力学（Molecular Dynamics，MD）无疑是一项极其重要的模拟手段。自1957年Alder等人首次在硬球模型下，采用经典分子动力学模拟方法成功研究了气体和液体的状态方程来，分子动力学便正式出现在人们的视线里并开始崭露头角。尤其是在20世纪80年代后期，得益于日新月异的计算机技术，分子动力学模拟更是得到了飞速发展，被成功地广泛应用于材料，物理，化学，生物，医学等各个领域。

分子动力学方法会如此广泛的受到科学工作者的青睐自然与它自身性质息息相关。首先分子动力学它是一套结合了物理，数学和化学综合技术的分子模拟方法，而所谓的分子模拟则是利用计算机来模拟实验上原子核的运动过程，从而得到实验上基本无法观测到的原子尺度上的微观细节。故它与蒙特卡洛方法一起享有“计算机实验”的赞誉。但与蒙特卡洛方法相比，利用分子动力学模拟可以计算得到更加准确和有效的热力学量及其他宏观性质。因此作为实验的一个重要辅助手段，分子动力学自然从其诞生伊始便在材料计算与模拟领域大放异彩。

另外，不同于需要求解薛定谔方程从而得到电子波函数的密度泛函理论，经典分子动力学假定原子的运动遵守的是牛顿运动方程。这样，要进行分子动力学模拟就剩下获取原子间相互作用势，即得到相应的电子基态。而采用密度泛函理论理论就能够得到电子基态结构，然而由于该方法计算的复杂，对于超过上百个原子的体系，计算量就已达到惊人的地步。有鉴于此，分子动力学巧妙的利用了经验势来代替原子间实际作用势，如早期常见的二体势（Lennard Jones 简称LJ势，Morse势，Johnson势等）以及后来出现的多体势（EAM势等）。如此一来，整个体系的计算量大大降低，故而相比传统的第一性原理计算方法，采用分子动力学所对应的体系无论是在空间尺度还是在时间尺度上都有了质的提升。

2.3.2 分子尺度材料模拟的基本特点

分子动力学在计算机上实现分子模拟一般来说可以分为如下几步：1.设定模拟所采用的模型，主要也就是势函数和力场的选取。常见的势函数如前所述主要就是二体势和多体势，常见的力场包括全原子、联合和粗粒化力场；2.确定初始条件，即给定初始构型和粒子的初始速度。一个合理的初始构型可以加快系统趋向平衡，在确定起始构型之后，系统会根据波尔兹曼分布赋予各个原子的初始速度；3.趋向平衡过程。当初始条件和边界条件给定后，这时就可以根据牛顿力学以及预先给定的相互作用势来解运动方程，计算粒子的运动轨迹。但此时的系统并非是一个平衡状态，计算出的能量也并非是稳定的系统的能量，因此此刻得到的物理量是没有实际意义的。为了使得系统达到平衡，模拟中会给系统增加或者移出能量，直到持续给出一段稳定的能量值。那么称此刻的系统达到平衡，到达平衡状态的这段时间称为弛豫时间。实际上在分子动力学模拟中，为了合理尽快的得到平衡状态，时间步长的选取至关重要；4.宏观性质的计算。体系达到平衡后，就可以通过沿相空间轨迹来求体系的构型积分，然后以构型积分的结果为基础进一步计算体系的热力学量和其他宏观物理性质。图2.2为其主要流程图：

图2.2 分子动力学方法在计算机上实现分子模拟的主要流程图

然而经典分子动力学在选用经验势时，虽然可以加快计算，但除了经验势自身的局限性之外，它还完全丢失了局域电子之间强相关作用信息，这样在模拟中它既不能得到成键性质也不能得到电子性质。为了弥补这一缺陷，1985年，Car和Parrinello在经典分子动力学基础上引入了电子虚拟动力学，首次把密度泛函理论与分子动力学有机结合起来，提出了从头算（ab initio） 分子动力学方法（简称CPMD方法）[3]，极大的改善了传统分子动力学经验势的不足。另外近些年基于SCC-DFTB理论可以更加准确的研究大规模分子动力学效应。可以说正是第一性原理分子动力学的出现，才使得计算机模拟实验的广度和深度得到了极大的扩展。

2.3.3 分子尺度材料模拟的发展方向

对于未来分子动力学方法的发展和改善，将主要体现在以下两点。第一，计算方法的改进。无论是经典分子动力学的经验势还是将密度泛函理论与分子动力学有机结合，无不体现出人类智慧的结晶。然而人类的智慧是无穷无尽的，尤其是站在先辈的肩膀上，未来更加完善更加精确的方法出现也是指日可待的。不管是通过第一性原理方法来寻找更加精确的交换关联泛函，还是另辟蹊径得到准确的体系微观相互作用，分子动力学势必会得益于此从而在计算材料领域有着更加广泛的应用。届时不仅对传统的吸附传输问题有着更加深刻的理解，极端条件如高温高压下稳定性预测也能成功实现。另外诸如薄膜的形成，材料的生长等一系列复杂的微观动力学过程将会栩栩如生的展现在人类面前；

第二，高性能计算机的发展。现如今计算机技术的发展已令人目不暇接，未来计算机性能更是让人无法估测。可以肯定的是更长时间的动力学演化，更大尺度的体系和更精确的分子动力学模拟都将成为可能。有了高性能计算机的支撑，对于未来的分子动力学模拟，其研究的系统规模可以轻松达到数百万个原子，模拟时间不再是纳秒、微秒量级，而将跨越毫秒甚至达到秒量级，再一次实现计算领域的重大突破。那样一来材料科学应用领域将大幅扩展，实验材料成本大幅降低，新颖材料的理论预测亦将统统成为现实。甚至利用分子动力学让计算机完全代替实验也未尝没有可能。

总而言之，精度、速度、空间、时间是分子动力学未来发展的风向标，高性能计算机则是推动它前进的动力源泉。毫无疑问的是分子动力学方法必将在材料计算与模拟领域留下极其浓厚的一笔。

3 多尺度高通量的材料设计

3.1 多尺度高通量材料设计的特点

对于材料性质的研究，理论计算与模拟具有极强的理论指导性及预见性，能够较好的解释实验的结果，并对实验中的不足提出改进，进一步指导实验。理论模拟计算研究材料性质的两种最常用的方法是密度泛函理论和分子动力学。密度泛函理论能从电子的层面探讨材料的光学、磁性、力学等性质，而分子动力学从原子的尺度研究材料的热力学性质。随着计算机技术的飞速发展和新的理论计算方法的应用，多尺度高通量筛选新材料、设计新器件已经成为材料计算模拟领域发展的必然趋势。

高通量多尺度计算来研究及设计材料，是2011年美国提及的“材料基因计划”中的重要概念，是未来实现材料的快速研发及产业化的主要手段，能更好的走出理论设计、实验研究、应用产业化，即学-研-产的道路。高通量设计材料，是根据材料的化学组分及基本信息，再基于基本的理论研究方法及材料设计需求，并应用或发展新的算法，植入到或整合现有的理论代码，或发展新的计算模拟软件，来达到设计材料的目的。多尺度计算，主要是针对材料的不同尺度、不同环境研究需求，在保持精度的同时提高计算速度，从而在不同的尺度下研究材料性质。基于基本理论的高通量多尺度模拟，必将成为设计材料的强力手段。

3.2 多尺度高通量材料设计的发展现状

3.2.1 基于多尺度材料设计的结构预测软件发展

高通量计算，即基于基本的量子力学及物质的化学组分，根据外部条件，设定特定的目标函数，来预测或寻找试验中合成的新材料，为实验提供解释或指导，设计新材料。近年来，吉林大学马琰铭教授课题组开发了功能强大的结构预测软件CALPSO（Crystal structureAnalysis byParticleSwarmOptimization）[4]，该软件首次将粒子群算法引入到结构预测之中。该软件可以实现能量目标导向型结构搜索（比如寻找给定原子种类和数目结构的能量最低结构），根据晶体的空间群或者是随机产生初始的结构，对结构进行第一性原理精度（结合第一性原理软件包VASP，CASTEP）结构优化，并将能量作为目标函数利用基因算法或粒子群算法一代一代的进行结构搜索，扫描结构的多维空间，找到能量低的材料结构。以CALYSPO 为例，其已成功给出了实验上绝缘锂结构，其预测ABA2-40锂结构也被实验所验证。作为该类方法的发展，更高的要求应运而生：能不能设计针对其他特定目标的结构，以达到实际应用的要求。作为一种扩展，复旦大学的向红军教授便基于太阳能电池材料的基本物理化学性质的要求，在CALYPSO基础上进行了改进，并成功寻找可能具有直接带隙并可能用于光吸收的Si20-T材料。结合以上软件的高通量计算，能够空间的寻找结构，从而使得搜索到所需材料的可能性大大提高。

基于以上软件实现的高通量计算，能够更大程度的搜索新材料的结构，但仍然受计算量的限制。因此降低计算量变得十分需要，对此现有两种方案可以解决。第一，基于第一性原理的精度及分子动力学的速度情况下进行以上软件的改进，从而能更高效的预测结构。例如王才壮教授等人便对传统GA结构预测软件进行了改进，用到程序中第一性原理计算的拟合势力场，用拟合的势场结合分子动力学预测结构并用第一性原理计算软件验证，其可以在提高搜索空间的情况下大大降低计算量。第二，根据化学成键规律来减低搜索的空间。

3.2.2 化学反应的多尺度设计与模拟方法

除了预测新结构，也可以针对现有结构进行的掺杂、过渡态的进行高通量处理。例如，利用clus-ter expansion 与 Monte Carlo 相结合的ATAT （Alloy Theoretic Automated Toolkit）软件，根据第一性原理拟合展开集团相互作用（effective cluster interaction）来研究合金、锂电池材料及其他掺杂或空位材料的性质。这种方法，既可以实现高通量计算，也可以降低计算量。另外，对于涉及到化学反应等过渡态问题，由于其涉及到多个能量低点，并寻找两种态之间可能低的能量势垒。复旦大学刘智攀教授基通过利用随机游走方法寻找光滑的势能面，来解决此类问题。

3.3 多尺度高通量材料模拟展望

3.3.1 多尺度材料智能搜索程序的发展

对于未来高通量多尺度的发展，应该更贴近基础理论的发展及算法改进、基于结构的物理化学性质的高通量筛选、更大尺度的系统考虑材料的性质等方向。我们现有的高通量的智能搜索程序，能解决很多问题。更多的考虑材料性质导向性，并且能够解决众多的问题。例如，如果我们想要寻找更好的热电材料，我们应该在前面提到软件的基础上进行定向的粗略筛选。充分考虑到电子、空穴有效质量，材料的形变能及带隙对热电材料的要求，来达到目的。在电池领域的研究中，氧化还原反应是其中的核心，合金材料可能会有很大的催化活性及极高的经济效益。并可以根据初始的氧化还原反应对材料化学性质要求来实现，比如氧原子的在催化材料吸附作用适中是氧化反应的前提，因此基于cluster expansion方法寻找合适的合金材料（材料的基本结构），来指导实验合成。另外，可以发展化学反应的势垒面，比如在催化反应中寻找整个反应的最可能路径，最大程度的实现高通量筛选。

3.3.2 新型功能材料的多尺度设计与模拟

新型功能材料的理论设计，离不开对其基本物理化学性质的要求。高通量的计算，要基于对材料性质的研究。实现特定功能的某一类材料，应建立相应的数据库，并对其基本的性质进行相应描述，并且可以设置成为网络共享的资源，材料设计所用。而新材料设计，除了要寻找及预测新的材料，也要综合先前材料的性质，对其进行相应的合理拼接或是组合，以期望能提高一种或几种性能，实现材料的最优化设计。首先，为了实现特定功能，可以利用现有材料的综合特点整合来实现。比如，在太阳能领域的光催化材料，应有较强的吸光能力，并且光产生的电荷空穴应有效分离，来更有效的传导光产生的电流。在现有的光催化材料中很少有单一的光催化材料能实现此类功能。因此，对两种或者更多此类材料做成的p-n 结有可能更好的实现此类功能。因此，高通量计算能够针对不同的光催化材料进行筛选，并建立相应的库，能更快实现光催化效率的提高。其次，作为材料的系统设计，应充分考虑材料与周围环境影响（材料与其他材料或液体的接触），可能使不适合的某种目的材料能克服其缺点。通过高通量的筛选，可实现传统材料的性能大幅度提高。最后，材料的设计应考虑其经济及其实际意义，通过高通量计算来实现新型替代材料的产业化。例如，金属铂在燃料电池中具有极高的催化效率，而地球中金属铂元素含量及其稀少。因此，高通量计算应该针对此类为题进行大量的理论及实际设计，设计出更有效地催化材料。

多尺度的计算材料设计，主要应从两方面进行考虑：同一材料不同尺度的模拟及不同材料在相同尺度的模拟。再结合高通量的材料计算和模拟，以便缩短材料设计周期，提高计算材料的可靠性。首先，应通过对不同材料不同尺度的模拟，更好的了解其性质。第一原理与分子动力学结合，是其中的发展方向之一：对于大体系的材料，部分通过分子动力学模拟和核心部分进行第一性原理模拟相结合。另一发展方向是以第一性原理研究其基本的性质并建立适当的势能函数，用分子动力学描绘其更大的体系已达到介观甚至宏观的尺度。再者，应对材料的系统性设计时考虑不同尺度的模拟。例如在太阳能电池设计工程中，对于太阳能电池对太阳光的方向，光在太阳能电池外层的透光材料、吸光材料及收集电流的电流材料进行多尺度系统研究，提高其效率，并且进一步提高材料的系统有效性。

未来高通量多尺度的设计，应该从基本理论计算方法的开发、满足某一特性材料的物理化学基本特性的探索、新结构预测及特定目标导向性结构预测算法及软件的开发为工具，结合材料基本库的建立及共享、已有材料特性的借鉴设计，设计新型或合成材料，并通过高通量多尺度的模拟以期望缩短新材料从设计到应用的周期。

4 材料数据库

4.1 材料数据库的发展现状

4.1.1 材料数据库的用途

伴随着计算机技术及网络技术的发展和普及，材料数据库技术已经开始蓬勃发展。美国、欧盟、日本、新加坡等世界主要国家地区都非常注重材料计算与模拟的发展，组织实施了一系列相关的研究计划和项目。特别是2011年6月美国发布“材料基因组计划”后，引起了各国对材料计算与模拟的进一步重视。我国也于2011年12月召开“材料科学系统工程”香山会议，重点研讨材料计算与模拟的发展。就目前情况而看世界各地一些科研院所、高校等单位开始建立自己的材料数据库包括力学性能数据库、金属弹性性能数据中心、材料腐蚀数据库、材料摩擦及磨损数据库、高温材料数据库，HT-DB收集各种金属、非金属、复合材料的力学和热力学数据等。材料数据库的建立，有利于减少材料的重复实验和测试，对缩短新材料的研发周期，节约新材料的研发成本具有非常积极的作用。

4.1.2 材料的设计与模拟是材料数据库的重要来源之一

就目前的发展来看，这些国内外的数据库多数展现出功能单一，数据量较少，覆盖面较窄，且共享性差等一些特点。传统的材料数据库主要来源于实验合成的数据，随着理论方法的发展，特别是计算机技术的飞速发展，从而使得理论计算预测材料成为可能。云计算集中各种闲置的计算资源，打破了传统的地域格局（以虚拟运营形态），提出了对云服务使用者、运营者、行业监管和国家政策法规等新的挑战。基于多尺度高通量计算（云计算）引入，将可以大大的增加理论预测材料数据，这无疑会丰富数据库的内容。另一方面，网络技术的进一步发展将使材料数据共享功能大大提高。因此如何建立与云计算有效的相互关联的材料数据库是个亟待解决的重要问题。由于计算材料数据库是综合物理，化学及生物的交叉学科的数据库，为提高材料高级科学发现、缩短材料开发和产业化周期方面发挥着重要的作用。

4.2 常用材料数据库

4.2.1 材料基因工程数据库

材料基因组计划，是2011年6月24日美国总统奥巴马宣布启动一项价值超过5亿美元的“先进制造业伙伴关系”（Advanced Manufacturing Partnership）计划。该计划呼吁美国政府、高校及企业之间应加强合作，以强化美国制造业领先地位，而“材料基因组计划”（Materials Genome Initiative）作为“先进制造业伙伴关系”计划中的重要组成部分，投资将超过1亿美元。“材料基因组计划”是美国经过信息技术革命后，充分认识到材料革新对技术进步和产业发展的重要作用，以及在复兴制造业的战略背景下提出来的。数据共享与计算工具开发对“材料基因组计划”的成功至关重要。

先进功能材料复杂的物理与化学特性可以因不同的应用需要而相应调整，并可以在合成、生产和使用过程中改变。对这些特性的跟踪是一项非常艰巨的任务，“材料基因组计划”的努力还包括将术语、数据归档格式和指南报告标准化，并建立了一个大型的材料数据库（https：//materialsproject.org/）。目前该数据库已经初具规模，它已经包含了6万多种化合物，4万多种能带结构信息，以及1万多种锂电材料的基本特性，并且各种新的材料数据在不断的增加和完善。目前材料基因工程数据库极大的方便了材料研究人员与企业设计者的沟通与合作，提高了新材料研发的效率，并能够有效的降低新材料的研发成本。

4.2.2 其它的常用材料数据库

（1）无机晶体结构数据库

无机晶体结构数据库（The Inorganic Crystal Structure Database，简称ICSD）。由德国的FIZ（Fachinformationszentrum Karlsruhe）和The Gmelin Institute （Frankfurt） 联合编辑。无机晶体结构数据库收集并提供到目前为止所有试验测定的、除了金属和合金以外、不含C–H键的无机物晶体结构的信息，包括化学名和化学式、矿物名和相名称、晶胞参数、空间群、原子坐标、3D晶体结构图、热参数、位置占位度、理论粉晶衍射图、R因子及有关文献等各种信息。该数据库从1913年开始出版，至今已包含近10万条化合物目录。每年更新两次，每次更新会增加2000种新化合物，所有的数据都是由专家记录并且经过几次的修正，是国际最权威的无机晶体结构数据库。

（2）宇航结构金属数据库

宇航结构金属数据库（Aerospace Structural Metals Database，ASMD）是宇航结构金属手册（Aerospace Structural Metals Handbook，ASMH）的网络版。宇航结构金属手册是一部6卷的关于合金的手册，这些合金被用于汽车、建筑材料、学术和航空领域。其主要数据由美国空军材料部（位于怀特-帕特森空军基地，俄亥俄州代顿市）与美国普渡大学合作设计和开发。普渡大学（Purdue University）的一个部门叫做情报与数值数据分析和综合中心（the Center for Information and Numerical Data Analysis and Synthesis，CINDAS）。它由美国国防部提供经费资助，专门从事材料性能和处理领域的复杂的和系统的研究项目长达45年，承担着材料基本特性的情报处理中心的作用。宇航结构金属手册共出了四十多版，现已停止纸本和光盘的出版。宇航结构金属手册网络版（ASMD）不仅继续更新数据，而且提供便于浏览、检索的用户界面。宇航结构金属数据库包含了超过220种合金，如：不锈钢、镍合金、镁合金、钛合金、铌合金、钼合金、钴合金、铍合金、钽合金、钨合金，内容极其广泛，总计超过8万条数据曲线。宇航结构金属手册网络版收录的合金材料数据有多个来源，其中包括美国空军材料部和美国国家航空航天局（NASA）。新增加的合金数据会经过专业人员的严格筛选后，不断被添加到数据库中。

（3）结构合金手册

结构合金手册（Structural Alloys Handbook，SAH）手册最初用于协助设计者选择金属和合金，是一个包含实证过的试验数据和金属性能信息的数据库。结构合金手册包括了用于建筑、重型设备、机械工具、汽车和一般制造业中常用的重要金属和合金，有铸铁、煅钢、锻制不锈钢、铸钢、锻造铝和铸铜、黄铜、青铜、铝、镁、钛等多种不同金属材料。结构合金手册提供这些金属材料和合金材料的典型的、详细的描述数据。

（4）工程材料数据库

工程材料数据库是针对机械行业专业人士查询材料数据信息而开发的大型材料数据库。该数据库软件为用户提供常用材料标准数据、型材数据信息、国内外常用材料牌号对照等几部分数据内容。

常用材料标准数据包括九大类约1200余种常用材料的化学成分、化学性能、物理性能、力学性能、工艺性能、材料用途等标准数据，可供机械行业专业人士方便查询；型材包括型钢、钢板及钢带、钢丝、钢丝绳、钢管、有色棒材及线材、有色带材及箔材、板材、有色管材等9大类型材的尺寸规格、工艺性能、腐蚀性能、力学性能、允许偏差等数据；国内外常用材料牌号对照则主要包括钢材（500余种钢材）及有色金属材料的中国、美国、德国、前苏联、日本、法国、英国、台湾等地区的材料牌号及之间的对照关系，可以实现同一种材料在多个国家之间的正查、反查功能，该部分内容能够充分满足从事加工生产及材料贸易的用户对材料牌号对照关系的要求。

工程材料数据库为用户提供了丰富的数据资源和便捷的查询方式，设计人员可以快速查询需要的材料特性及相关信息，从而节省大量翻阅手册的时间，工程材料数据库中一些由科研人员提供的材料数据信息，这不仅仅是节省设计人员查询时间的问题，这些数据对于实际生产企业，具有极大的价值。

4.3 材料数据库发展的几点建议

4.3.1 利用高通量多尺度的材料理论计算丰富数据内容

目前计算材料数据库种类数量较少，数据内容非常不全面，以前的材料数据主要集中在分子、晶体等层面。将来可以通过开发各种材料数据结构搜索及利用云计算资源，极大的丰富数据内容。首先，从材料结构的维度上能有大量的补充，从零维的各种团簇结构（现有的金，铜团簇扩展到元素周期表中其他各种元素的团簇），一维的各种纳米管结构（现有的石墨烯，氮化硼等其他各种不同组分的纳米管）、二维层状结构（石墨烯，硅烯，氮化硼等到其他各种组分的平面结构）到三维的晶体结构。其次，除了各种完美的结构，通过云计算进行有效的预测，各种不同比例的掺杂体系将在计算材料数据库里面大大的补全。再次，基于目前材料数据库里面的数据都是一些静态数据，然而对于一些动态数据却知之甚少，如相变过程、过渡态搜索及化学反应过程等数据将会有大大补充。最后，计算材料数据库的内容将会涵盖不同领域材料，从化学领域，物理领域，生物领域直至整个材料领域。

4.3.2 利用先进的信息技术完善材料数据库的功能

基于目前计算材料数据库功能较单一，随着计算机技术和互联网技术的发展，材料数据库技术的功能性也将日臻完善。功能由单一走向多元化。这主要体现在搜索结果，输出结果和功能性等方面。在搜索结果方面，不仅可以做到根据材料组分进行搜索，也可以根据材料的特性进行专业性的搜索。在输出结果上，不但能像普通数据库那样对定量化的数据进行处理并输出，而且还能根据用户需求以图、表、数字、曲线等多种方式输出。在功能性方面，更加多样化。材料数据库不再仅仅是作为一本电子材料手册来使用，而且还要为实际应用如工程设计、选材、材料分析等提供服务。

4.3.3 材料数据库的智能化

在系统性方面，计算材料数据库的建立将更加系统化。材料总是作为一个系统而存在的，在使用材料的过程中，环境不同，材料所表现的性能也会发生变化（比如不同压强，不同湿度，不同温度下材料的性质将发生变化），从而使得材料数据库的建立也必须进行系统化的综合考虑。材料数据库将会向更加系统性、网络化、智能化、现代化、商业化和标准化的方向发展。

4.3.4 利用互联网技术完善材料数据库的共享

基于目前计算材料数据库地域性较强，随着计算机及网络技术的进一步发展，计算材料数据库将朝着资源共享的方向发展。将做到随时随地都能够有效的进行数据搜索。同时，随着网络技术的进一步完善及材料数据库的进一步完善，计算材料数据库的管理方式也提出了新的要求，数据库的管理将朝着系统性，智能型等方向发展才能有效的将各自分散的数据库整合及统一管理。从而减少各个数据库之间的重复及对资源的浪费。同时，材料数据库管理也需要有自我检测及修复的功能。改进的数据共享系统和综合管理团队使设计、系统工程和制造业相互交叉，互相影响，缩短从新材料的发现到投入市场的周期将是增强国内制造业的竞争力、保持经济持续增长的一个关键驱动力。更多的将计算和信息技术与表征和实验相结合——用数学模型和计算机模拟代替耗时且昂贵的实证研究，大幅度加快材料部署的时间、增加材料部署的数量。

公共材料数据库的优势将让人难以拒绝。可以试想一下它能够带来的好处：有弹性延展性，能常规网络访问，可结合移动平台，按照使用次数计费，提高效率，降低资本成本，以及获得分布广泛的结构与非结构化数据。

5 材料设计的应用和社会影响

5.1 新型能源材料的设计与模拟

5.1.1 锂离子电池材料的设计与模拟

（1）锂离子电池起源

锂离子电池始于1972年，由Armand教授提出利用嵌入化合物（Li intercalation compounds）代替锂金属作为负极材料[5]。在充放电过程中，锂离子来回穿梭于正极与负极之间，因此，锂离子电池也被形象的称为“摇椅式电池”（Rocking-Chair Batteries）[6]。电极材料的探索是发展锂离子电池的关键，图1为自1980年锂离子电池发展初期以来具有代表性意义的几种电极材料。其中，由索尼公司在1989年提出的以石油焦作负极、钴酸锂（LiCoO2）作为锂源正极、六氟磷酸锂（LiPF6）与乙烯碳酸酯（EC）作为电解液的可循环充放电锂离子电池的问世，随后在1991年实现的商业化生产也标志着新型锂离子电池时代的到来[7]。

图5.1 电极材料研究进展及其电化学性质

（2）锂离子电池材料设计现状

锂离子电池作为新型清洁储能设备，虽早已被大众所熟知并得到广泛的应用，但是，由于目前实验测试手段，如X射线断层扫描（X-CT）、高分辨透射电镜以及飞秒技术等对原子尺度上三维立体结构测量的误差，以及实验结果反映信息的片面性、不确定性等缺陷，锂离子电池的许多基本问题都尚未解决，如电极材料充放电过程中结构的演变、锂离子在电极材料中的扩散动力学特性、固体电解液界面的形成及生长机制以及空间电荷层分布等[8]。因此，我们期望借助理论模拟手段，更清楚地了解处于平衡态与非平衡态的锂离子电池内部的结构演变规律及物理化学特性，从微观上揭示锂离子电池在电化学过程中由结构和性质的改变带来的化学反应、质量转移、以及电荷转移等过程，为新型电极材料的开发及电池电化学性能的控制及改善提供理论依据。其中，基于量子力学的第一性原理方法通过求解薛定谔方程，不采用任何经验参数，只采用电子质量、质子质量、普朗克常数、光速、元电荷五个基本的物理量对微观体系的总能量、电子结构等物理性质进行研究，其计算的可靠性已在各个材料领域的研究中得到证实，因此，也成为了当前理论研究锂离子电池电化学机制的主要手段。

（3）锂离子电池材料的设计趋势与未来

第一性原理计算结果虽可以作为真实实验的补充，深入理解材料的微观结构和性质，同时也可对新型材料进行设计及性质预测。然而由于其计算量较为庞大，且不能够反映出电池在电化学过程中的动力学特性。因此，基于密度泛函理论（DFT）的第一性原理计算与分子动力学、蒙特卡罗等方法的结合也是近几年乃至未来几十年内理论设计及预测新型锂离子电池材料的主要发展方向。其中，密度泛函计算能从电子结构角度对锂离子电池电极材料的结构、锂离子扩散、电导率以及力学性质等特征进行分析，而分子动力学与蒙特卡罗模拟等方法则能够从原子尺度上探讨体系的动力学性质。另外还值得注意的是，以上方法所关注的是纳米尺度以及皮秒量级下的电化学过程。而未来对于更大尺寸及更长时间下的电极材料特性的研究则可能需要采用到介观尺度甚至宏观尺度的模拟方法，例如相场方法，分子力场方法、有限元方法以及有限差分方法等；例如，相场方法可用来处理纳米和微米尺度的结构演化，由此可模拟出电极材料的晶粒大小及尺寸，这对于解释电极材料在充放电过程中的体积变化、固体电解液界面膜的生成及演变等现象将有着极大的帮助。此外，在宏观尺度上，体系的运动力学遵循牛顿力学方程，热运动满足宏观的扩散方程，我们期望通过诸如有限元等方法来研究锂离子电池中的热流分布、应力分布等现象。综上来看，介观与宏观尺度的材料模拟未来的主要任务将集中在对锂离子电池工程领域问题的探讨，例如，帮助我们理解锂离子电池中出现的传热、应力以及多场耦合等宏观现象。

目前，我们利用理论计算方法的主要目的还是对现有材料的性质进行验证和提出改善的方案，而对于开发新型电极材料，仍难以根据理论计算结果对材料是否具有良好的应用前景作出判断，这主要还是归因于当前对于如何寻找新型电极材料没有提出明确的方案要求。就此，为了加快新型锂离子电池电极材料的开发速度，美国麻省理工大学的Ceder教授提出采用高通量计算的方法来对电极材料进行筛选，并负责实施了材料基因组计划（Material Genome）。通过采取高通量计算，可由掺杂、替代等手段，在现有材料的基础上，对新材料进行设计和性能预测。随着材料基因组计划的逐步进行，预计在未来的十到二十年内，将不仅局限于高通量计算来预测新材料，也将借由实验中高通量测试对新体系进行验证及优化，并通过大数据分析获得材料的规律及特性，以此来加快新型电极材料的开发速度。需要指出的是，有效的高通量方法，并不意味着漫无目标的撒网捕鱼，需要对锂离子电池性能及制备需求有着全面了解。根据目前锂离子电池的研究现状，并且展望其发展趋势，我们有望通过实验与理论计算相结合的方法，在未来的几十年内解决锂离子电池研究中的以下几个重点及关键性问题：

（1）电极材料在电化学过程中的微观结构演变机制，分析不同嵌锂相的产生对电极稳定性、循环充放电等性能的影响。

（2）理解锂离子电池中的复杂过程，如固体电解液界面膜的生长、锂离子在电解液当中的传导机制以及电极与电解液界面特性等问题。

（3）寻找新型电极及电解液材料，制备出更高性能且具有良好安全性的锂离子电池。

（4）通过高通量理论计算及实验测试，探索电极电位与结构间的本质联系，为最终控制及制备出能满足不同电位需求的电池材料。

5.1.2 光电材料的设计与模拟

（1）光电材料的分类和特点

光电转换包含两个方面：一是将光能转换为电能，主要利用在太阳能电池，污染治理等，另一个方面则相反，将电能转换为发光，主要利用于照明以及显示设备，如电脑手机屏幕等。完整的光电转换过程通常需要一定的装置实现，例如太阳能电池，发光器件等。这些器件装置包含多部分，除了直接的光电转换部分外，还包括空穴、电子传输材料、电极材料等。

目前，新型光电转化材料设计方法主要以量子化学计算方法为主。借助于理论计算了解光电转化材料电子结构、能带信息以及光电转化影响因素。利用这一方法已成功地研究了元素掺杂、取代对光电转化材料性能影响的物理机制，并由此设计出一批新型光电转化材料。例如，在二氧化钛中加入N，C，Pt等元素掺杂以及研究缺陷对其电子结构的影响；CuInxGa（1-x）Se2（CIGS），就是通过掺入适量Ga替代部分In，可以使半导体禁带能隙在1.0～1.6eV之间可调[9]。多数太阳能电池染料敏化剂，空穴传输材料皆为有机分子。同样可以通过密度泛函计算分子前线轨道与半导体的关系判断其功效，通过官能团取代等调节其性能。最近十年，借助理论计算，光电转化材料种类得到了极大的丰富。

有机分子与无机半导体或者空穴传输层与光电转换部分接触界面间的性质，通常由含时密度泛函（TD-DFT）方法研究，描述体系的激发态电子结构以及电子迁移行为。而装置整体的效率，则可以通过数值模拟的方法计算例如太阳辐射通量和太阳能设备的散热损失等。

（2） 光电材料的设计与模拟现状

高效光电转化计算研究依然存在部分问题，现在的研究正致力于解决这些问题。目前理论计算体系依然十分有限，例如，对于密度泛函理论，通常的研究体系约为几十至几百个原子大小，这样的大小对于光电转换体系非常有限，常用的空穴传输材料Spiro-OMeTAD分子式为C81H68N4O8，一个分子已经达到161个原子，计算中使用单个分子在数层晶体表面的吸附模型，就忽略了分子间的相互作用，这种大小已经接近或者达到目前计算的极限，由于计算的原子数目与计算时间是指数关系，继续增大体系已经非常困难。事实上，得益于计算机能力提升，最近十几年的计算科学已经得到了长足的进步。按照摩尔定律，未来三十年计算机能力大约可以翻二十番左右，但是随着晶体管工艺接近物理极限，计算增长能力将会放缓，即使依然按照目前的速度发展，由于计算的原子数目与计算时间是指数关系，体系的放大倍数也是有限的。因此，目前发展计算量小并保持准确性的算法就显得非常重要，如处理大体系的线性标度电子结构方法，这也是未来发展的一个方向[10]。可以预期，当先进的计算方法开发后，人们可以计算多个分子甚至是高分子聚合物以不同形态在表面吸附，判断其电子性质，甚至是多种分子混合协同效应。

（3）光电材料设计与模拟的发展方向

目前的计算方法还存在一些误差，例如密度泛函方法对半导体带隙计算的低估。由于误差的存在，导致计算结果需要与实验对比，并且在计算时需要选择不同的泛函，而选择的过程需要人为经验判断。现在各种更加精确地校正方法都在蓬勃发展，例如原子间的弱相互作用范德华力校正，重原子相对论效应等。当未来理论计算消除误差和人为经验时，可以领先于实验预判材料的性能，从而指导实验。

光电转化体系涉及多相表面、界面的作用行为，光电体系工作过程涉及激发态电子动力学行为，现在已经用于计算激发态性质的方法如含时密度泛函理论，依然处于发展阶段，计算激发态时依然使用基态计算的泛函会产生误差，需要进一步提高精度，需要开发适用于激发态的基组以及泛函。未来的三十年间，发展出可以计算多电子激发态，多态数计算方法，例如当某种界面或者分子吸附体系受到光照或者外加电势差影响的情况下，电子传递转移过程以及速率，这也是未来计算将会考虑的问题。

除此之外，计算方法将会更加贴近实际情况，考虑环境因素对性能的影响，甚至能够判断材料制备过程中环境因素控制。量子化学级别计算，通常计算材料在真空中的性质，部分计算考虑溶剂效应，依然无法满足实际应用需求，未来的计算可以预测周围环境影响，考虑材料在空气或者溶剂中的性质，以及温度对其性质的影响。目前通过元胞自动机、蒙特卡洛等方法可以计算模拟晶体生长。

最后，由于光电体系通常是由多种材料构成的复杂装置，目前的计算方法基本处于一种“各自为战”的状态，例如蒙特卡洛等方法可以计算模拟晶体生长，但是对于不同形貌电子性质的差异却无法计算。未来光电计算研究，除了各个方法更精细更深入的发展，还要求方法之间的横向连接。2008年，哈佛大学启动的哈佛清洁能源项目（Harvard Clean Energy Project）不仅通过结合传统的建模方法和现代药物开发的策略，还利用了机器学习、图形识别和化学信息学技术，此外，该计划还利用了IBM世界公共网格（WCG）提供的志愿计算机用来筛选材料分子，可以看做是发展方向的例子。未来光电计算首先通过高通量筛选出备用分子结构骨架，然后利用元素或者官能团替换掺杂对化合物性能微调，分析化合物生长过程中容易形成的缺陷以及晶体形貌，甚至可以提供合成时所需的原料配比、反应时间等条件。最后，构建多种材料界面，计算电子在环境中的行为，模拟电流电压与光照频率强度之间的关系，同时模拟装置在长时间工作时结构性能的变化。

5.2 新型信息材料的设计

5.2.1 新型信息存储材料

随着人类社会进入信息化时代，信息成为构成人类社会的重要部分。信息的载体--信息材料，在很大程度上决定了信息的存储形态、传播方式以及传递速度等等。信息材料对外界环境具有相当的敏感性，比如，在不同的外界条件下（力、热、光、电、磁、声以及化学和生物等），信息材料的物理和化学性质会发生相应的变化，进而产生稳定的、可探测信号。与信息的收集、存储、处理、传递以及显示等过程相对应，信息材料分为：收集材料、存储材料、处理材料、传递材料以及显示材料等。

在众多的信息材料中，存储材料占据非常重要的位置，是本章内容关注的重点。计算机在20世纪的迅速发展，使得人们需处理和存储的数据海量增加，对存储材料的要求也越来越高。到目前为止，存储材料历经打孔纸带、穿孔纸带、盘式磁带、盒式磁带、磁鼓、软盘和硬盘等发展阶段。每一阶段的发展都是存储介质小型化、高密度存储以及存储方式多样化等方面的巨大进步。硬盘是目前最主要的存储材料，依据存储方式的不同分为：磁存储（包含金属磁粉、钡铁氧体磁粉等）、半导体存储（以硅基材料为基础的半导体材料）以及光存储（包含磁光记录以及相变光记录等）。

在不同类型存储材料的探寻中，实验工作者进行了繁杂的工作，每种存储材料的背后都是一系列昂贵的实验投入。且随着器件的小型化，以及单位面积、单位体积信息存储密度的增加，量子尺寸效应越来越明显并且直接决定了材料的最终性能。这一方面加大了实验的难度，极大地增加了实验投入。另一方面，实验结果的可靠性也将难以保证，原子尺度上的实验操控难实现，且尺寸效应导致了结果的不确定性。

5.2.2 信息材料的原子尺度的模拟

基于以上原因，在原子尺度上对存储材料进行更加细致的探究，总结一般性规律，是存储材料进一步发展必要条件。在这些方面，计算科学以其独特的优势，将发挥越来越重要的作用。目前适用于不同尺度的模拟方法已经建立起来，比如：原子尺度上探究材料物性的第一性原理方法、分子动力学方法以及量子蒙特卡罗方法。在该层次上，量子力学效应显著，材料将呈现出独特的力、热、光、电、磁等特性。通过在原子尺度上对材料物性进行归纳、筛选，得出一般性规律，对存储材料小型化的发展具有很大的指导意义。当材料将进入纳米量级后，所包含原子数的增加，一方面使材料的特性向块体演化，另一方面也将引入更加复杂多体效应。在纳米尺寸下，受计算量的限制，第一性原理相关的计算方法不再适用。此时，基于经验势的分子动力学方法、分子场理论将会发挥非常重要的作用。当材料进入微米量级后，工程物理上的模型方法将具有更大的适用性。

从以上可以看出，计算科学的迅速发展将为新型存储材料出现与性质表征提供了强有力的工具。并且，在一定程度上，计算科学将有助于探寻实验科学无法触及的领域。比如，一些具有优良特性的存储材料，目前实验上仍然很难合成或合成成本非常高；一些材料所包含的化学元素具有强烈的毒性和腐蚀性；一些物质的存在条件非常苛刻，如高温、高压、强磁场和强电场等等。此外，随着信息材料微型化的发展，在原子尺寸上进行信息的存储与传递将成为信息材料发展的必然趋势。原子尺度上的信息操控，一方面能够极大地提高信息的存储密度，使器件轻巧、易携带；另一方面，也极大地考验了信息的稳定性。因为在单原子尺寸上，零点振动效应越来越强，材料所携带信息的稳定性也越来越难以保证。当信息材料的可超控和存储单元为几个甚至单个原子时，如何保证信息的稳定性，是计算科学探索和解决的另一重要问题。其中可行的解决方案，除了探寻和设计比较稳定的结构外，设计新型的存储方案，也是信息材料发展的必经途径。

现今研究表明：结合磁学、微电子学基本原理的自旋电子学将在未来信息材料中发挥越来越重要的作用，而计算科学将在新型信息材料性能预测和机理解释方面起到非常大的作用。在通常情况下，电荷和自旋两个自由度是相互分离的，且在电子器件中发挥不同的作用。比如，在电子器件中，电荷是信息的基本载体，可以通过门电压控制电流的通断，进而达到信息存储与传递的目的。在自旋自由度的使用上，主要利用电子自旋间的协同效应，即电子自旋之间相互关联形成磁畴，通过控制磁畴的不同状态实现信息的存储。随着材料微型化的发展，传统的信息存储与传递方式的弊端逐渐凸显出来，而结合电荷和自旋两个自由度新型信息材料将发挥越来越重要的作用。

5.2.3 信息材料设计的发展方向

新型信息材料的未来发展需要解决两个方面的问题：新材料的探寻；新型信息材料中不同耦合方式和相关机理的深入探究。在新型功能材料的探寻方面，纳米技术进步以及计算科学的发展在发挥非常重要的作用。一个最简单的例子为自旋阀，即通过非磁性通道连接两个铁磁性的电极，通过电荷在两个电极之间的传输实现自旋的输运；而磁阻的大小则通过调控两端电极的自旋取向来控制。不同自旋态的分离和传递，为信息的存储和传递提供了更多地自由度。计算科学将在自旋器件的设计和优化中发挥更大的作用。比如：在自旋阀中，两端电极的磁性耦合状态决定了体系磁阻的大小，以此决定了信息的存储形式。在电极材料中，两端电极的磁性及其耦合状态决定了器件的性能。通过磁性计算对材料进行预筛选，将大大缩短自旋器件的设计流程。发展比较精确的磁性计算方法，是未来信息材料计算的一个重要方向。

目前基于赝势的第一性原理计算方法还不能准确的给出材料的磁基态和不同磁性间的耦合状态；而基于全电子势的计算方法，虽然在一定程度上能够准确地得出材料的磁基态，但受到计算量的限制，只适用于较小体系。对于比较大的体系，比如：自旋阀中的两端电极，以及磁性耦合比较复杂的体系，该方法并不适用。在第一性原理计算的基础上，结合模型哈密顿量方法计算体系的磁基态以及不同体系的磁耦合状态，是材料计算一个重要的发展方向。

此外，用于材料磁性计算的密度泛函方法只适用于零温情形。实际的信息材料都处在一定的温度场内，且在实际应用中，器件发热使得材料所在处的温度比较高，此时材料的磁基态与零温情形具有很大的差别。在具体计算中，如何进一步考虑温度效应，并准确得出材料在不同温度下的磁基态与磁耦合状态，以及不同磁耦合状态对温度的响应等，是计算科学进一步发展的另一个方向。

通过电荷的传输实现自旋态的输运，是自旋电子器件的基本物理思想。在此，一个重要的问题是输运过程中自旋态的保持。这就要求传导材料中的自旋轨道耦合效应较弱，且具有较高的载流子迁移率。因此在材料的探寻中，除了需要准确地得出电子结构，周围环境、缺陷对材料电子结构的影响，还要能够比较精确的得出材料中自旋轨道耦合。目前的杂化泛函等计算方法，虽然能在一定程度给出材料的电子结构，但是，计算过程涉及的计算量非常大，尤其当考虑自旋轨道耦合效应时，所牵涉的计算量并不是一般的研究小组所能承受的。不但如此，杂化泛函等相关方法缺乏严格的理论论证，是一种经验的计算方法。因材，在未来信息材料计算中，需要发展有效的，能够精确得出材料电子结构计算方法，该计算方法能够兼顾计算精度和计算量两个方面，且能够精确地得出自旋轨道耦合效应。

在上述计算的基础上，自旋输运理论的发展和完善是计算信息材料未来发展的另一方面。未来信息材料以电子的自旋为信息的载体，通过自旋态间的关联实现信息的存储与传输。当今的输运理论随在一定程度上模拟器件中电子的输运过程。但总体说来，仍然不能很好的得出电子自旋态的传递过程。因此，进一步发展自旋输运理论，使其能够比较精确的描述未来信息材料中自旋态间的关联和传导过程，也是计算信息材料未来发展的一个方面。

5.3 智能的材料设计与模拟方法

5.3.1 常见的智能材料设计方法

智能材料计算的主要方法有遗传算法、免疫算法、模拟退火、演化程序、局部搜索、人工神经网络等等。遗传算法最早由美国的J.Holland教授于1975年提出，它主要是借鉴生物界的进化规律（优胜劣汰，适者生存的机制）演化而来的随机化计算方法。它的特点是直接对结构对象进行操作，没有求导和函数连续性的限定，具有较好的并行性和全局寻优能力，能够自动获取和指导优化的搜索空间，自适应地调整搜索方向，而且不需要确定的规则。遗传算法的这些优异特性，奠定了它在现代智能计算中关键技术的地位，它已被广泛地应用于新材料搜索、结构设计、机器学习、组合优化、信号处理、自适应控制和人工智能等领域。遗传算法属于进化算法的一种，其基本运算过程主要包括初始化、个体评价、选择运算、交叉运算、变异运算、终止条件判断、计算终止等过程。进化算法是借鉴了生物进化过程中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。

（1）遗传算法

遗传算法是随机地、没有指导地迭代搜索，为个体提供了进化机会的同时，也不可避免地产生了退化的可能。而且，遗传算法的交叉和变异算子相对固定，在求解具体问题时，可变的灵活程度较小。这导致在求解一些复杂问题时，有可能收敛于局部最优，而不能达到理想的全局最优。实践表明，仅仅使用遗传算法或者以其为代表的进化算法，在模仿智能计算处理事物的能力还远远不够，还必须更加深层次地挖掘与利用智能计算方法。学习生物智能、开发和改进利用生物智能是进化算法是智能计算应用的一个研究热点。在生命科学领域，免疫与遗传一样受到了人们的广泛关注和深入研究。所以，人们将生命科学中的免疫概念引入到智能计算领域，借助免疫概念和理论并将其与已有的智能算法有机地结合起来，在保留原算法优良特性的前提下，有目的有选择地利用待求问题体系中的一些特征信息或知识来抑制其优化过程中出现的退化现象，这种算法称为免疫算法。大部分的计算结果表明免疫算法是有效的而且也是可行的，它较好地解决了遗传算法中的退化问题，从而较好的保证智能计算过程中的全局收敛性问题。

（2）模拟退火算法

模拟退火算法[11]的基本思想来源于固体退火原理，首先将固体加温至充分高，然后让其缓慢冷却，在初始加温过程中，固体内部粒子随温升变为无序状，内能增大，而在缓慢冷却的过程中，粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能也达到最小值。模拟退火算法新解的产生和接受主要分为四个步骤：第一步是由一个产生函数从当前解经过简单地变换，如对全部或部分元素进行置换、互换等，产生一个位于解空间的新解；第二步是计算与产生的新解与目标函数的差值；第三步是依据是一个接受准则，判断产生的新解是否被接受；第四步是当产生的新解被确定接受时，用新解代替当前解，实现了当前解的一次迭代，同时修正目标函数值，并且在此基础上开始下一轮试验。而如果新解被判定为舍弃时，则在原来的当前解基础上继续新一轮试验。模拟退火算法求得的解与初始解状态（算法迭代的起点）无关，该算法在理论上已经被证明是一种以概率收敛于全局最优解的全局优化算法，具有渐近收敛性和较好的并行性。

（3）人工神经网络算法

人工神经网络算法的基本思想是模仿人脑，是具有高度智能化和并行性的未来智能计算方法。思维学的基本观点认为，人类大脑的思维可分为抽象思维（逻辑思维）、形象思维（直观思维）和灵感思维（顿悟）三种最基本的方式。人工神经网络主要是模拟人类思维的第二种方式，它是一个非线性动力学系统，其主要特点在于信息的分布式存储和高效的并行协同处理。人工神经网络是由大量的简单的神经元相互联接而成的自适应非线性动态系统。尽管单个神经元的结构比较简单，功能也极其有限，但是大量神经元构成的网络系统所能实现的行为却是极其复杂和丰富多彩的。人工神经网络根据神经细胞、神经网络、神经系统等生物原型结构及其功能机理，建立神经元、神经网络的基本概念模型、知识模型、物理化学模型和数学模型等，在这些基本理论模型研究的基础上进一步构建具体的神经网络模型，并利用人工神经网络组成实际的信号处理或模式识别的智能系统。人工神经网络反映了人脑功能的若干基本特性，但并非真实生物系统的描述，只是一种模仿、简化和抽象。

普通的电子计算机的功能取决于程序中给出的知识和能力。因此，对于智能活动要通过总结编制程序将十分困难。人工神经网络在构成原理和功能等方面更加接近于人脑，它具有初步的自适应与自组织能力，能够自身适应环境、总结规律、完成某种运算、识别或者过程控制。人工神经网络是一个具有学习能力的系统，可以发展知识，以致超过设计者原有的知识水平。人工神经网络通过学习或训练过程中改变突触权重值，以适应周围环境的要求。人工神经网络可以通过若干次学习后，提高网络判断的正确率。如人工神经网络的输出为“0”（即结果错误），则把网络连接权重朝着减小输入加权值的方向调整，其目的在于使网络下次再遇到相同的输入模式时，减小犯同样错误的可能性。人工神经网络按以上学习方法进行若干次学习后，网络判断的正确率将大大提高。当人工神经网络对这个模式的学习获得了成功后，它将把这个模式分布地记忆在网络的各个连接权值上。当人工神经网络再次遇到这个模式时，就能够作出迅速、准确的判断和识别。一般说来，网络中所含的神经元个数越多，则它能记忆、识别的模式也就越多。

人工神经网络的基本结构模仿人脑，具有并行处理特征，可以大大提高工作速度。尽管人脑神经元之间传递信息的速度要远低于普通的计算机，人脑神经元之间传递信息为毫秒量级，而计算机的频率往往可达几百兆赫。但是，由于人脑是一个大规模串行与并行组合的综合处理系统，因而，在许多问题上可以作出快速判断、决策和处理，其速度则远高于普通计算机。而且人工神经网络的信息存贮在神经元之间连接强度的分布上，存贮区与计算机区合为一体，即使有轻微的小错误，也不会影响人工神经网络的功能。人脑存贮信息的特点为利用突触效能的变化来调整存贮内容，虽然人脑每日有大量神经细胞死亡（平均每小时约一千个），但不影响大脑的正常思维活动。而普通计算机是具有相互独立的存贮器和运算器，知识存贮与数据运算互不相关，只有通过人编出的程序使之沟通，这种沟通不能超越程序编制者的预想。元器件的局部损坏及程序中的微小错误都可能引起严重的失常。

5.3.2 智能材料模拟方法的发展方向

总的来说，新型的智能计算方法主要基于“从大自然中获取智慧”的理念，通过人们对自然界基本规律和独特性质的认知，提取出适合获取知识的一套新型计算方法，也就是智能仿生算法。这些智能计算方法具有以下共同的要素：自适应的结构、随机产生的或指定的初始状态、适应度的评测函数、修改结构的操作、系统状态存储器、终止计算的条件、指示结果的方法、控制过程的参数。这些智能计算方法具有自学习、自组织、自适应的特征和简单、通用、鲁棒性强、适于并行处理的优点。这些智能计算方法主要通过自适应学习的特性，达到了全局优化的目的。在并行搜索、联想记忆、模式识别、知识自动获取等方面得到了广泛的应用。

5.4 材料设计与模拟对未来社会的影响

5.4.1 材料基因工程在新材料设计中的作用

材料基因工程，是借鉴生物学上的基因工程技术，探究材料结构（或配方、工艺）与材料性质（性能）变化的关系。并通过调整材料的原子或配方、改变材料的堆积方式或搭配，结合不同的工艺制备，得到具有特定性能的新材料。以材料设计和模拟为基础的材料基因工程已经成为当前材料科学中不可或缺的一部分，也已经让人们看到了材料基因工程的巨大作用。在材料基因工程提出之前，新材料从研发到市场应用时间跨度非常长，某种新材料从最初的研究开发，经性能优化、系统设计与集成、验证、制造再到投入市场通常需要10～20年时间。部分原因是一直以来过度依赖对材料研发的科学直觉与实验判断，目前大部分材料的设计与测试是通过耗时的重复实验来完成的。而实际上，有些实验通过理论计算工具就能完成模拟。材料基因工程采用强大的计算分析和理论模拟工具，减少新材料研发和生产过程中对物理实验的依赖。改进的数据共享系统和一体化的工程团队将允许设计、系统工程与生产活动的重叠与互动。这种新的综合设计将结合更多的计算与信息技术，加上实验与表征方面的进步，将显著加快材料投入市场的种类及速度，材料的开发周期可从目前的10～20年缩短为5～10年。

5.4.2 材料设计与模拟对2049年工业设计的影响

（1）中国工业化面临的挑战和机遇

中国的工业现代化的进程对材料科学提出了许多严峻的、亟待解决的问题。例如，锂盐是制造锂离子的电池的重要材料，广泛应用于移动电子产品和新能源汽车。从上世纪90年代开始，锂盐的市场需求量就开始不断上扬，同时碳酸锂、氯化锂、氢氧化锂等锂盐的价格也不断上涨。2015年，随着电动汽车销量的持续增加，锂盐的供需矛盾更加尖锐，国内外的生产企业对碳酸锂等锂盐的报价相继上调，单次上调幅度高达15%。从2015年初至2015年10月为止市场累计涨幅近30%，锂盐的价格创出近年来的新高。况且，锂的储量在地壳中仅占0.002%左右，是一种含量较少的金属元素。因此，随着移动电子消费市场和电动汽车市场的快速发展，锂的需求将会快速增加，锂盐资源枯竭和价格暴涨不可避免。其实，伴随着我国的快速工业化进程，几乎所有的原材料的价格都在不断上涨。如果不发展新型的先进功能材料，我国的工业现代化将面临资源不断减少，原材料价格快速上涨的困境，这样的工业化成本将是十分巨大的。

现代工业中，材料具有承载设计的功能、创建工业产品的个性。材料不仅奠定了工业发展的物质基础，同时也是一个国家经济实力的标志。材料的种类成千上万，工业设计更多的就是利用新材料来更多的塑造工业产品的新形象。运用新材料去设计和开发顺应时代的潮流的新型工业产品。材料的性能不但对工业产品造型的效果造成直接影响，而且也直接影响着工业产品的工艺。工业设计师可以不具备研发新材料的能力，但必须及时掌握新材料的发展动态并且要能够迅速地将它们运用到工业设计实践当中去。

（2）材料基因工程对工业设计的影响

材料基因工程将开发新的集成式计算、实验和数据信息学工具。这些软件和集成工具将贯穿整个材料研发链，它们采用一种开放平台进行开发，以提高预测能力，并按最新标准，实现整个材料创新基础数字化信息的整合。这一基础将与现有产品设计框架无缝结合，推动材料工程设计向快速化、全面化发展。此外材料基因工程将建立一个大型的开发数据共享平台。数据共享平台不仅能让研究人员能够轻松地将自己的数据导入模型，同时还要使研究和工程人员能够彼此整合数据。数据共享还将促进处于不同材料开发阶段的科学家和工程师的跨学科交流，缩短了新材料的研发周期和研发成本。

目前我们面临清洁能源、国家安全和人类健康等多方面先进材料的紧迫挑战。材料基因工程可以在高性能计算机的辅助下，通过理论计算揭示物质构成、不同元素排列与材料功能之间关系，进而实现有目的设计新材料的科学工程，大大缩短了新材料的研发周期和研发成本，导致性能优越的新型功能材料不断产生。例如，由单层碳原子构成的石墨烯，它既是当前发现的最薄的材料，也是最强韧的材料，断裂强度比最好的钢材还要高200倍，于此同时它还又有很好的弹性，拉伸幅度能达到自身尺寸的20%。如果用一块面积1平方米的石墨烯做成吊床，本身重量不足1毫克可以承受一只一千克的猫。石墨烯材料是目前最有潜力的应用是成为硅的替代品，制造超微型晶体管，用来生产未来的超级计算机。根据相关理论预测，用石墨烯取代硅，计算机处理器的运行速度将会快数百倍。此外，关于石墨烯非凡应用的新闻不断出现在人们的视野当中，如手机充电只需几秒钟？史上最薄电灯泡？光驱动飞行器？似乎石墨烯已经成为了无所不能的超级材料。以石墨烯为代表的新材料的出现，必将引起工业设计的变革，而工业设计的变革产生新的设计理念又反过来对材料科学提出新的要求，促使材料的角色发生转变，带动材料科学的进一步发展。因此，材料基因工程在我国的工业设计领域有着更强烈的实用价值和需求背景，也是我国在先进材料及高端制造业领域达到世界领先地位的一大举措。

5.4.3 材料设计与模拟对2049年日常生活的影响

俗话说：“没有金刚钻，别揽瓷器活”。这句强调了工具的重要性，其实也就是材料的重要性。新材料的发现和使用一直伴随着人类文明的进程。如果按生产工具划分的话，人类从诞生到现在共走过六个时代，分别是：石器时代（旧、新石器时代），青铜时代，铁器时代，蒸汽时代，电气时代，信息时代。而人类文明的每一次变迁都和新材料的发现和使用密切相关。例如，以天然石头为原材料的打制石器是旧石器时代的标志，也是人类社会文明的萌芽。此后，陶器作为第一种人造材料结束了人类的旧石器时代，使人类进入新石器时代。再后来，人类又发明了新的材料青铜，青铜制造的农具促进了农业发展，把人类带进了青铜时代。铁器的发明和使用又把人类文明向前推进到铁器时代。时至今日，钢铁产量仍是衡量一个国家工业化水平和国防实力的重要标志之一。此后的蒸汽时代和电力时代也是建立在人们对煤炭等新能源材料的开发和应用的基础上的。而时至今日，以硅为代表的新型半导体材料把人类社会推向了一个崭新的信息时代。

新材料的发现和使用还深刻地影响着人类的生产生活方式。从无机材料到有机材料，人类社会文?明又有一次大的飞跃。橡胶、塑料、纤维三大合成材料的不断创新与发展，使人类对皮革、木材、棉花和丝绸等自然材料的依赖性大大降低。在一些领域里，三大人工合成材料还部分或大部分取代了金属、木材、石材等传统材料。铝合金等新型合金材料的使用，使航空航天业得到空前发展。以硅为代表的新型半导体材料为人类社会的信息化提供了有力支撑，人类传递、储存信息的方式发生颠覆性变化。新型锂电池和太阳能电池等“绿色能源”材料的应用还可以降低污染和能耗、大幅度提高太阳能的利用效率，减少人类对传统化石能源的依赖等等。而纳米材料和新型纳米功能器件的发展，则再次可能从根本上改变人类的社会生活和生产方式。

在材料基因工程实施之后，新材料的研发周期将大大缩短，新材料的研发成本也将大大的降低。因此人们可以创造出更多与人类健康和福利相关材料。例如，先进材料的许多应用可解决人类健康和福利面临的挑战——从生物相容性材料到防受伤的保护材料设计，如假肢或人工器官。防止创伤性脑损伤设计的先进材料对于包括运动员和军事人员等在内的很多用户群体都有潜在的好处。而且还可以加快开发清洁能源、减少对于石油的依赖，大幅度减少城市污染源。材料设计与模拟的研究可以帮助找到新技术，如为生物燃料生产更好的催化剂、直接从阳光产生能量的人工光合作用、新颖高效的太阳能光伏、便携式能源存储设备等。基于材料设计与模拟开发出来的先进功能材料（如高效率、低成本、轻量化的新型电池材料）还可以减少人类生活对传统化石能源的依赖。

在人们的日常生活中，新材料的价值体现，不仅仅是诸多新的产品的涌现，更重要的是新材料广泛渗透于人类的生活，影响着人类的生存质量。材料科学每前进一小步，人类社会文明就能前进一大步。在人类的历史长河中，新材料的发现和应用将不断创造着人类社会的新生活。

6 材料设计与模拟展望

纵观当代新兴科学技术的发展历史，人类在征服自然界和宇宙空间以及微观世界的过程中，历经了崎岖不平的道路。科学技术的进步，开拓了新材料的研究范围，推动了新材料学科向更高、更新、更智能的方向发展。同样，新材料科学技术的发展推动了化学和化工产业结构的变化。先进功能材料、纳米材料、智能材料等新材料的广泛应用，极大的改善了人类生产方式和生活水平。我们也会看到，探索新材料的过程中，新型的材料模拟和材料计算方法在缩短新材料研发周期和降低新材料研发成本上起了至关重要的作用。展望21世纪，新材料科学与技术的研究将伴随着重重困难的克服而日新月异，必将为人类的生活带来更加美好的明天。

参考文献

[1] Perdew J. P.. Density-functional approximation for the correlation energy of the inhomogeneous electron gas [J]. Physical Review B，1986，33（12）：8822-8824.

[2] KohnW.，ShamL. J.. Self-Consistent Equations Including Exchange and Correlation Effects [J]. Physical Review，1965，140（4A）：A1133-A1138.

[3] Laasonen K.，Pasquarello A.，Car R.，et al. Car-Parrinello molecular dynamics with Vanderbilt ultrasoft pseudopotentials [J]. Physical Review B，1993，47（16）：10142-10153.

[4] Wang Y.，Lv J.，Zhu L.，et al，Crystal structure prediction via particle-swarm optimization [J]. Physical Review B, 2010, 82（9）：094-116.

[5] Nazri G.，Gianfranco P.. Lithium batteries：science and technology [M]. Springer Science & Business Media，2008.

[6] Schalkwijk W.，Scrosati B.. Advances in lithium-ion batteries [M]. Springer Science & Business Media，2002.

[7] Li H.，Wang Z.，Chen L.，et al. Research on advanced materials for Li-ion batteries [J]. Advanced Materials，2009，21（45）：4593.

[8] Yoshio M，Ralph J. B.，Akiya K.. Lithium-Ion Batteries [M]. Springer，2009.

[9] Shah A., Torres P., Tscharner R, et al. Photovoltaic Technology：The Case for Thin-Film Solar Cells[J]. Science, 1999, 285（5428）: 692-698.

[10] Goedecker S.. Linear scaling electronic structure methods [J]. Reviews of modern physics，1999，71 （4）：1085-1123.

[11] Kirkpatrick S.，Gelatt CD.，Vecchi M. P.. Optimisation by simulated annealing [J]. Science，1983，220（4598）：671-680.

DOI：10.3969/j.issn.2095-6649.2015.12.003