《材料芯片与材料基因组》.pptVIP

小组成员 材料芯片与基因组 01 课题背景 传统材料设计的方法和系统面临的问题 1 材料设计没有相似的可靠而普适的计算工具，使材料设计主要靠试验，从而导致材料设计远远落后于新产品设计。 2 太长的材料设计周期和低成功率使得新材料在新产品中的使用越来越少，从而导致非最佳的材料被用在产品中。 3 用于产品的材料性能欠佳而成为制约产品性能设计的瓶颈，造成恶性循环。 美国科学院和工程院共同设置的国家研究理事会在2008年发表了题为《集成计算材料工程》的报告。报告明确指出了传统材料设计的方法和系统面临的问题。 近年来材料基因组的发展 材料基因组计划 2011年6月24日，美国总统奥巴马宣布了一项超过5亿美元的“先进制造业伙伴关系”计划，，投资逾1亿美元的“材料基因组计划” 是其组成部分之一。. 材料科学系统工程 在中国科学院和中国工程院的推动下，2011年12月在北京召开了“材料科学系统工程”香山科学会议，材料界的专家学者提出建设发展符合中国材料领域的集理论计算平台、数据库平台和测试平台“三位一体”的“材料科学系统工程”。 上海材料基因组工程研究院 2015年4月23日，上海材料基因组工程研究院在上海大学揭牌成立。 “力争加快研发速度、降低研发成本，以创新驱动发展，服务于国家高端制造业和战略性新兴产业，建成一个具有国际影响力的材料基因科技创新中心”。 02 材料基因组 材料基因组的基本内容 从宏观上讲，所谓材料基因组可以理解为反映材料某种特性的“基本单元”及其“组装”。 基本单元是指能直接反映材料性能差异的最小物质单元，，可以是组成物质的任何自然存在的原子、分子、电子、离子、单一相等物质粒子，也可以是这些物质组合而形成的团簇、单元或组合相。 组装是指将这些相同或不同的基本单元以某种工艺或技术结合，形成大尺寸材料。 美国“材料基因组计划”的材料创新框架 材料基因组技术的三大组成要素 为材料计算模拟提供计算基础数据，为高通量材料实验提供实验设计的依据，同时计算和实验所得的材料数据亦可以丰富材料数据库的建设 高通量材料计算模拟 起着承上启下的角色，既可以为材料模拟计算提供海量的基础数据和实验验证，也可以充实材料数据库，并为材料信息学提供分析素材，同时还可以针对具体应用需求，直接快速筛选目标材料。 材料高通量实验 材料数据库 是实现“材料按需设计”的基础，可以帮助缩小高通量材料实验范围，提供实验理论依据。 高通量材料计算模拟 利用超级计算平台与多尺度集成化、高通量并发式材料计算方法和软件相结合，实现大体系材料模拟、快速计算、材料性质的精确预测和新材料的设计，提高新材料筛选效率和设计水平，为新材料的研发提供理论依据。 常用的材料模拟方法 材料数据库 基于材料基因组技术的材料发展计划将大数据概念与传统的材料发展紧密联系在一起。从材料、工艺，直到最终的结构件，需要涉及大量的、不同类型的数据。图为不同阶段、不同尺度范畴结构材料涉及的图像以及背后存在的潜在海量数据大数据概念已经深人到材料科学与工程的各个方面，如材料成分筛选、工艺优化、微结构机理分析、以及物理与力学性能评估等。 材料数据分为计算数据和实验数据。长期以来，材料数据研究处于单打独斗和小规模的“数据制造-简单处理”模式，无法严谨预测和深度挖掘材料本质科学规律，造成材料研究经验结论多于理论的现状。 跨越不同尺度的结构材料图像 材料数据库 1 美国麻省理工学院建立的Materials Project数据库 3 日本国立材料科学研究所建立的材料数据库 2 哈佛大学清洁能源计划建立起来的Molecular Space数据库 在其原有的11个材料数据库基础上整合建立的，涵盖了聚合物、无机非金属材料、金属材料、超导材料、复合材料以及扩散等内容，是目前世界上最大的、最全的材料数据库系统。 利用密度泛函理论收集的巨型数据库来预测模拟物质模型的实际属性，目前该数据库里保存了大约10万种可能存在的材料。用人工筛选结合机器学习的方式来探索这些数据间蕴含的材料本质性能规律。 基于密度泛函理论，采用人工加机器学习的方式来挖掘数据库的潜力。目前，Molecular Space数据库在网上发布了230万种元素组合供研究人员使用。 材料高通量实验 组合材料样品的制备方法种类繁多，可根据不同应用领域的要求灵活选用，基于薄膜形态的组合材料芯片是目前发展最为成熟的高通量材料制备技术。 1 将多个元素系统性地进行混合，以获得所需的材料成分“组合” 2 通过扩散或者热力学过程形成晶相或非晶相材料，即“成相”。 高通量实验中组合材料样品的制备一般分为“组合”与“成相”2个步骤。 03 组合材料芯片 组合材料芯片 组合材料芯片技术是近年来发展起来的一种新型的材料研究方法。区别于传统材料研究中一次只合成和表征一个样品的策略，组合