前段时间，美国政府发布行政令，拟通过政府资助“确保关键材料供应多样化”“开发关键材料的替代材料”等途径，保障该国关键材料安全和可靠供应。
材料是现代工业的基础，而在我国，材料供应形势相当严峻。中科院院士、中科院物理研究所极端条件物理重点实验室主任汪卫华曾在接受《中国科学报》采访时表示，我国很多关键材料并不能完全自给，因此希望通过先进的理念推动材料应用的发展及产业化。
2011年，美国率先提出旨在缩短新材料研发周期和降低成本的“材料基因组计划”。该计划被称为美国继曼哈顿计划、阿波罗计划、人类基因组计划之后的第四大重大科研计划。
而“材料基因组技术”就是通过高通量实验装置，对组合材料的样品单元进行高通量表征，并将获得的材料性能数据储存在数据库中，再通过数据挖掘等技术得到材料“成分—结构—性能”的构效映射关系。
“在材料基因组计划中，数据库及其共享、计算工具开发至关重要。”某上市公司的材料研发高级工程师刘国涛告诉《中国科学报》。
作为怀柔科学城配套跨学科交叉研究平台中的重大科研项目之一，“材料基因工程平台”的目标就是建成大规模、手段先进的材料基因组研究平台。
“该平台包括大数据、高通量计算、人工智能部分。”据汪卫华介绍，通过高通量计算、机器学习等人工智能方法缩小和锁定希望的材料范围，然后采用高通量制备和检测快速筛选材料，这样可以大大节约材料研发成本和周期，进而在关键材料领域取得重要突破。
中科院物理研究所研究员刘淼，就专门借助高性能计算等设备开展材料基因工程研究。在他看来，超算设备对于材料科学意义重大。
“材料计算的需求是很大的。”近日在由英特尔公司发起的一场媒体专访中，刘淼告诉《中国科学报》，国外的一些超算设备，很多业务就是做材料科学的计算。
比如美国橡树岭国家实验室、劳伦斯伯克利实验室、国家能源研究科学计算中心的超算设备，“至少1/6以上的机时用在材料相关领域”。
在怀柔科学城，“材料基因工程平台”也配备了专门的超算装备。与此同时，中科院物理研究所还设置了“材料基因数据集群处理平台”，包括一个小型的私有云系统。
他举例说，通过强大算力，短时间内算出几百上千种材料的结构信息、热力学稳定性、电子结构信息等，再以这样的材料数据流形成的数据储备为基础，向来自物理、化学、材料等领域的科学工作者提供检索和查询支撑。
“当我们有足够的材料基本信息后，就可以做一些和数据科学交叉的事情，比如人工智能可以在没有计算的前提下，快速地预测材料性质、筛选材料。”刘淼说。
对于记者关于超算设备性能的提问，刘淼表示，现在的计算性能是按照现有以及短期预期来架构的，短期内并不追求其性能高低，只追求其使用效率的最大化。
“我们当然希望算力越大越好，超算作为工具，当算力达到一定程度时，可以做的事情就很多。比如单台设备算力提高后，许多计算任务就不必多节点合并使用。”刘淼说，其实现在很多学科研究的核心推动力就是工具的进步，比如冷冻电镜、扫描隧道显微镜等。
“现在已经有一些加速的迹象了。”刘淼告诉《中国科学报》，他此前曾参与镁离子电池相关研究，该研究方向的提出是在20多年前，20年来都没能找到比当初更好的材料方案。
直到有了高性能计算工具的帮助，他们很快在相关的材料库中找到了性能高一倍的新材料，并通过了最后实验验证。
“这说明材料基因工程是行得通、有实效的，相信再过10~20年，会有更多显著成果产出。”刘淼说。
未来论坛 YOSIA Webinar 第五期「AI+科学」系列“AI+材料科学”邀请材料计算学、材料表征及材料基因组学的学者，围绕“人工智能提速新材料发现”，分享如何利用人工智能加速对材料结构和性能的了解，并与传统材料研究的学术界和产业界代表，一同探讨AI应用于材料科学研究的价值和效能。
