|
新材料技術是我國制造業的“底盤技術”，在人工智能、云計算等信息技術的加持下，新材料的發現與設計、分析與計算迎來了哪些變化？8月26日，騰訊教育聯合騰訊云、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位材料科學領域專家學者分享多尺度計算模擬與云計算領域的最新進展、技術及成果，推動多尺度計算模擬的理論發展和應用探索。
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解決方案與架構高級技術經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，材料科學是國家產業升級的關鍵支撐，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的TEFS材料研究平臺，助力材料計算領域提升科研效率，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，傳統計算材料學與人工智能、云計算等新技術的融合，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模的方向快速推進。龍訊曠騰基于教育科研界、工業界的前沿需求，打造出一批好用的軟件工具和服務，助力提高材料研發效率，縮短研發周期，降低研發成本。
龍訊曠騰CEO呂海峰
張瑞勤：機器學習輔助鈣鈦礦材料設計
在材料領域，傳統的新材料開發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計新材料為例，分享了他的團隊利用機器學習原理輔助發現優質的雜化有機-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建
計算模擬對材料設計的助力不僅體現在一般的工業制造層面，在核材料等尖端領域也得到應用。中子輻照會導致材料結構性能發生較大變化，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堆中子的輻照損傷和輻照效應的實踐案例。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構數據庫和輻照缺陷性質數據庫，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，最終的計算結果和實驗結果符合度非常高。
汪林望：高性能計算、大數據、人工智能與材料創新
“在材料創新模式上，不斷試錯的愛迪生式方法已經不再適用。”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上的應用，汪林望認為主要體現在兩個方向：一是拿來做數據挖掘，在海量數據中發現分子結構、屬性之間的相互關系；第二是做力場的開發，通過擬合第一性原理計算產生的大量數據，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圖神經網絡
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、量子計算與量子系統模擬的算法和基礎理論，以及在相關應用領域和行業中的應用。
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計算結合應用在大尺度材料的研究。第一是賦能傳統物理仿真算法，用高精度神經網絡力場取代AIMD（從頭算分子動力學），用神經網絡擬合交換關聯泛函，提高DFT精度；第二是從數據總結規律再做推理，直接把小分子用一些圖神經網絡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圖神經網絡對材料進行科研分析的實踐應用。
張瑞華：NVIDIA GPU加速材料科學研究
利用計算機進行材料設計和發現，已經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解決方案與架構高級技術經理張瑞華介紹了NVIDIA如何從計算平臺的角度加速、支持新材料研究工作。
NVIDIA解決方案與架構高級技術經理張瑞華
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現，第三是HPC與AI的融合，實現更大尺度的模擬。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：機器學習在材料領域應用會常態存在或曇花一現？
隨著機器學習在材料發現與設計上的應用越來越廣泛，這一新技術模式究竟會是未來的行業常態還是會很快被取代？現場，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，機器學習已經是一個正在進行時，行業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據產生器，然后通過數據來訓練神經網絡，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，材料領域講究極端精細的制造，對于層狀材料的設計、相互作用的調控等，往往要精細到原子級，而傳統的方法很難實現，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研究院研究員趙海濤認為。人工智能是為基礎學科服務的工具，就像Excel表格一樣，成為我們分析數據的一個手段，幫助我們發現規律，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域的應用前景展開了更多深入的探討。 | 
