從目前現(xiàn)狀看，尚未發(fā)現(xiàn)在新能源材料領(lǐng)域有系統(tǒng)應(yīng)用材料基因組技術(shù)指導(dǎo)材料研發(fā)的典型成功案例。但利用材料基因組技術(shù)的單一或幾種方法組合指導(dǎo)和加速新能源材料研發(fā)的案例卻屢見不鮮。

他在所有的材料數(shù)據(jù)庫(kù)中，根據(jù)相圖，先搜索具有穩(wěn)定結(jié)構(gòu)的材料，以保證這種材料可以被穩(wěn)定的制備出來，然后根據(jù)光催化水的材料的性質(zhì)，搜索材料帶隙在1.3～3.6 eV之間的材料，然后對(duì)于材料對(duì)比能帶位置，保障材料的導(dǎo)帶和價(jià)帶在合適的位置，再通過實(shí)驗(yàn)驗(yàn)證這些被搜索出來的材料是否能被用作光催化分解水的材料，最終找到了16種具有這些光催化可能性的材料。

相關(guān)學(xué)習(xí)資料：

?

[1] WU Y LAZIC P’HAUTIER G eta1．First principles high throughput screening of oxynitrides forwater-splitting photocatalysts[J]Energy &Environmental Science，2012，6(1)：157—168．

WOLVERTON在研究如何抑制鋰離子電池的正極退化這一影響電池壽命的關(guān)鍵因素問題時(shí)，采用了高通量篩選的方法，首先確定了涂層需要的物理性質(zhì)，然后再?gòu)腛QMD數(shù)據(jù)庫(kù)中的13萬個(gè)含0的結(jié)構(gòu)中進(jìn)行篩選，最終篩選出了30種最可能的涂層的候選材料。

相關(guān)學(xué)習(xí)資料：

[1] AYKOL M，ⅪM S，HEGDE VI，et a1．High-through put computational design of cathode coatings for Li-ion batteries[J]．Nature Communications，2016，7：13779—13790．

在新能源材料研究領(lǐng)域，利用材料基因組高通量計(jì)算技術(shù)指導(dǎo)材料研發(fā)還處于初步發(fā)展階段，目前已知理論方面的應(yīng)用指導(dǎo)技術(shù)主要有以下幾類。

(1)??材料構(gòu)象表征(representation)

最早運(yùn)用在化學(xué)和生物領(lǐng)域，研究高分子的鏈?zhǔn)奖磉_(dá)以及原子之間的鍵長(zhǎng)鍵角表征。

早在1985年，SMILES 符號(hào)就通過分子圖論方法建立了一套化學(xué)“語(yǔ)言”，成功的對(duì)化學(xué)分子進(jìn)行編碼。

但是，由于晶體結(jié)構(gòu)具有周期重復(fù)性，且晶體結(jié)構(gòu)中原子有對(duì)稱操作，使得晶體結(jié)構(gòu)的表象的唯一性要求提高，直到最近，才不斷有較成功的對(duì)晶體結(jié)構(gòu)的表象技術(shù)報(bào)道。

SCHOTT等利用對(duì)徑向分布函數(shù)(pair radial distribution function)作為晶體結(jié)構(gòu)表象，并把這種表象作為機(jī)器學(xué)習(xí)模型的輸入，成功預(yù)測(cè)出大體系(約100原子)在費(fèi)米能級(jí)處的能態(tài)密度。

FABER等則在考慮周期性的條件下用傳統(tǒng)的庫(kù)侖矩陣(coulomb matrix)作為晶體結(jié)構(gòu)的表象，成功預(yù)測(cè)了材料的形成能。

相關(guān)學(xué)習(xí)資料：

?

[1] WEININGER D SMILES．A chemical language and information system．1．Introduction to methodology and encoding rules[J]．Journal of Chemical Information&Computer Sciences，1988，28(1)：31-36．

?

[2] SCHUTT K T，GLAWE H，BROCKHERDE F，et a1．Howto represent crystal structures for machine learning：towardsfast prediction of electronic properties[J]．Physical Review B，2013，89(20)：163—168．

?

[3] FABER F，LINDMAA A，VON LILIENFELD O A，et a1．Crystal structure representations for machine learning models offormation energies[J]．International Journal of Quantum Chemistry,2015， 115(16、：1094一1101．

(2)??高通量計(jì)算及篩選(high-throughput calculation and screening)

在近幾十年隨著密度泛函理論 (density functional theory)的日漸成熟，科學(xué)家可以從量子力學(xué)角度出發(fā)精確有效地計(jì)算材料中原子間的電子相互作用，從而預(yù)測(cè)出材料的一系列性質(zhì)，從理論上指導(dǎo)材料設(shè)計(jì)。

伴隨著強(qiáng)大的高性能并行計(jì)算能力以及高效率的算法，由高通量計(jì)算(high-throughput calculation)以及高通量篩選(high—throughputscreening)驅(qū)動(dòng)的材料大數(shù)據(jù)技術(shù)應(yīng)運(yùn)而生。通過高通量計(jì)算得到大量的材料性質(zhì)，并從中高通量篩選出符合條件的材料，成為了材料科學(xué)家發(fā)現(xiàn)新材料的重要手段。

CEDER等通過高通量計(jì)算數(shù)千種復(fù)合物的充放電電壓和理論容量的關(guān)系，再進(jìn)行電子遷移能力、穩(wěn)定性和安全性等條件的篩選，成功預(yù)測(cè)了安全性和充放電電壓的關(guān)系，并預(yù)測(cè)了理想的電池正極材料。

相關(guān)學(xué)習(xí)資料：

?

[1] CEDER G Opportunities and challenges for first—principles materials design and applications to Li battery materials[J]．MRS Bulletin，2010，35(9)：693-701．

?

CASTELLI等通過穩(wěn)定性、能帶位置以及禁帶寬度等條件對(duì)具有立方鈣鈦礦結(jié)構(gòu)的共含有52種金屬元素的5400種半導(dǎo)體氧化物及氮氧化物進(jìn)行高通量篩選，成功識(shí)別現(xiàn)有的10種理想的氧化物和5種理想的氮氧化物，并預(yù)測(cè)出9種未知的組合材料作為高效率光解水材料。

?

相關(guān)學(xué)習(xí)資料：

?

[1] CASTELLI I E，OLSENT’DATTA S，et a1．Computational screening of perovskite metal oxides for optimal solar light capture[J]．Energy& Environmental Science，2012，5(2)：5814-5819．

MADSEN等通過高通量方法在無機(jī)晶體結(jié)構(gòu)數(shù)據(jù)庫(kù)(ICSD)中的570種含銻元素的復(fù)合物中自動(dòng)搜索新型熱電材料，發(fā)現(xiàn)具有津特爾 (Zintl)相的LiZnSb是一種理想的n型熱電材料。

相關(guān)學(xué)習(xí)資料：

?

[1] MADSEN GK H．Automated search for new thermoelectric materials：The case of LiZnSb[J]．Journal of theAmerican Chemical Society, 2006，128(37)：12140-12146．

(3)??機(jī)器學(xué)習(xí)(machine learning)

近年來人工智能被越來越多地應(yīng)用在各種領(lǐng)域，以期發(fā)現(xiàn)運(yùn)用傳統(tǒng)手段無法發(fā)現(xiàn)的現(xiàn)象和規(guī)律。

CEDER等通過貝葉斯概率統(tǒng)計(jì)方法，以無機(jī)晶體結(jié)構(gòu)數(shù)據(jù)庫(kù)中的晶體結(jié)構(gòu)數(shù)據(jù)作為訓(xùn)練集(training set)，晶體構(gòu)型和元素種類作為模型的輸入(input)，在耗費(fèi)少量計(jì)算資源的情況下發(fā)現(xiàn)了209種新型三元氧化物。

相關(guān)學(xué)習(xí)資料：?

?

[1] HAUTIER G FISCHER C C，JAIN A，et a1．Finding natures missing ternary oxidecompounds using machine learning and density functional theory[J]．Chemistry of Materials，2010，22(12)：3762—3767．

CORMA等運(yùn)用支持向量機(jī)(Suppoa Vector Machine)的方法，以沸石合成過程中的合成變量(synthesis variables)作為模型的參數(shù)(反應(yīng)初始凝膠的濃度、反應(yīng)過程、溫度和時(shí)間等)，準(zhǔn)確地預(yù)測(cè)出合成產(chǎn)物的結(jié)構(gòu)特性和熱動(dòng)力學(xué)性質(zhì)。

相關(guān)學(xué)習(xí)資料：

?

[1] SERRA J M，BAUMES L A，MOLINER M，et a1．Zeolite synthesis modelling withsupport vector machines：A combinatorial approach[J]． Combinatorial Chemistry&High Throughput Screening，2007，10(1)： 13—24．

(4)??神經(jīng)網(wǎng)絡(luò)(neural network)

?

神經(jīng)網(wǎng)絡(luò)技術(shù)是一種模仿動(dòng)物大腦中神經(jīng)元行為特征并進(jìn)行分布式并行信息處理的算法學(xué)模型，通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間的(非)線性的關(guān)系，達(dá)到處理復(fù)雜聯(lián)系的目的。

在材料學(xué)領(lǐng)域，也有種種變量之問的復(fù)雜關(guān)系需要探尋，如晶體的構(gòu)效關(guān)系，材料合成過程中反應(yīng)變量與產(chǎn)物之間的關(guān)系等。

MAYYAS等運(yùn)用前向傳播(forward propagation)技術(shù)，以銅的質(zhì)量百分比和碳化硅的積比例作為模型的輸入，密度、孔洞率和硬度作為模型的輸出，根據(jù)鋁銅基的碳化硅的結(jié)構(gòu)特性成功預(yù)測(cè)了化合物的物理性質(zhì)。

相關(guān)學(xué)習(xí)資料：

?

[1] HASSAN AM，ALRASHDAN A，HAYAJNEH M T，et a1．Prediction of density,porosity and hardness in aluminum—copper-based composite materials using artificial neural network[J]．Journal of Materials ProcessingTechnology,2009，209(2)：894-899．

MORADI等通過人工神經(jīng)網(wǎng)絡(luò)(artificial neural network)和多重線性回歸模型(multiplelinear regression model)，以電解質(zhì)濃度、溫度和施加電壓等反映參數(shù)作為模型的輸入，成功預(yù)測(cè)了納米介孔陽(yáng)極氧化鋁的介孔間距。

相關(guān)學(xué)習(xí)資料：

?

[1] AKBARPOUR H，MOHAJERI M，MORADI M．Investigationon the synthesis conditions at the interpore distance of nanoporous anodicaluminum oxide：A comparison of experimental study,artificial neural network，and multiple linear regression[J]．Computational Materials Science，2013，79：75-81．

SCHERAGA等通過人工神經(jīng)網(wǎng)絡(luò)技術(shù)，在考慮多體極化效應(yīng)的基礎(chǔ)上，產(chǎn)生了液態(tài)水的力場(chǎng)，經(jīng)過蒙特卡洛模擬(Monte Carlo simulation)，與實(shí)驗(yàn)值十分吻合。

?

相關(guān)學(xué)習(xí)資料：

[1] CHO K H，NO K T’SCHERAGA H A．A polarizable forcefield for water using an artificial neural network[J]．Journalof Molecular Structure，2002，641(1)：77—91．

(5)??優(yōu)化算法(optimization algorithm)

優(yōu)化算法也已成為材料學(xué)家在化學(xué)空間中搜索新型復(fù)合物進(jìn)行材料發(fā)現(xiàn)與設(shè)計(jì)的一種重要技術(shù)方法。常見的優(yōu)化算法如遺傳算法(genetic algorithm)、進(jìn)化算法(evolutionary algorithm)和粒子群算法(swarnl particle algorithm)等均已被應(yīng)用于尋找能量最低的穩(wěn)定晶體結(jié)構(gòu)。

WANG等運(yùn)用差分進(jìn)化算法(differential evolutionary algorithm)尋找低能量的穩(wěn)定團(tuán)簇結(jié)構(gòu)，在耗費(fèi)少量計(jì)算資源的情況下成功發(fā)現(xiàn)數(shù)十種鈷單質(zhì)團(tuán)簇和鉛單質(zhì)團(tuán)簇。

相關(guān)學(xué)習(xí)資料：

?

[1] CHEN Z，JIANG X，LI J，et a1．PDECO：Parallel differential evolution for clusters optimization[J]．Journal of Computational Chemistry,201334(12)：1046-1059．

HO等利用自適應(yīng)遺傳算法(adaptive genetic algorithm)發(fā)現(xiàn)了硅酸鎂在分解過程中的多種相，并通過實(shí)驗(yàn)驗(yàn)證了這一發(fā)現(xiàn)。

相關(guān)學(xué)習(xí)資料：

[1] wu s Q，JI M，WANG C Z，et a1．An adaptive genetic algorithm for crystal structure prediction[J]．Journal of Physics Condensed MaUer An Institute of Physics Journal，2014，26(3)：doi：10．1088／0953— 8984／26／3／035402．

MA等開發(fā)了基于粒子群算法尋找能量最低結(jié)構(gòu)的結(jié)構(gòu)搜索程序CALYPSO，并成功 預(yù)測(cè)了高壓條件下二氧化硅和碳酸鈣的穩(wěn)定相。

相關(guān)學(xué)習(xí)資料：

?

[1] WANG Y LU J，ZHU L，et a1．Crystalstructure prediction via particle swami optimization[J]．Physics，2010，82(9)：7174·7182．

?

盡管目前各種方法或方法組合在新能源材料研究領(lǐng)域都有成功的應(yīng)用案例，但還遠(yuǎn)未達(dá)到材料基因組計(jì)劃提出的初衷，主要表現(xiàn)在：

• 系統(tǒng)性不強(qiáng)

?

當(dāng)然這與材料基因組技術(shù)尚處于發(fā)展的初步階段，還不能實(shí)現(xiàn)工具、手段、方法、數(shù)據(jù)、平臺(tái)等的高度集聚和系統(tǒng)應(yīng)用有關(guān)。

?

• 各項(xiàng)技術(shù)發(fā)展還有待加強(qiáng)

?

① 對(duì)于性能要求非單一的材料研發(fā)，我們還不能完全通過計(jì)算來評(píng)估性能要求復(fù)雜的體系的材料性能；對(duì)于鋰電池，其性能需要在各個(gè)方面優(yōu)秀(容量、充放電速度、穩(wěn)定性等)，我們依然不能利用材料基因組高通量計(jì)算直觀預(yù)測(cè)什么樣的材料能做出來性能好的電池；

?

② 對(duì)于全新材料的研發(fā)，我們的目前材料搜索還是基于現(xiàn)有的晶體數(shù)據(jù)庫(kù)，在現(xiàn)有已經(jīng)可以制備的材料中尋找具有某些性能的材料，或者僅僅做一些類似于化學(xué)摻雜的工作，這樣就很難有革命性的成果；

?

盡管現(xiàn)在已經(jīng)有了一些利用遺傳算法搜索材料結(jié)構(gòu)的計(jì)算軟件，但這些軟件會(huì)消耗大量的計(jì)算資源，并且不能穩(wěn)定地保證找到新的材料。目前尚沒有利用這些軟件進(jìn)行高通量篩選的計(jì)算技術(shù)；

?

③對(duì)于實(shí)驗(yàn)的計(jì)算模擬，我們還不能通過材料基因組技術(shù)來預(yù)測(cè)實(shí)驗(yàn)過程，目前我們還沒有成熟的計(jì)算模擬實(shí)驗(yàn)的方法，更多還是利用計(jì)算模擬對(duì)實(shí)驗(yàn)結(jié)果解釋驗(yàn)證，需要融合高通量計(jì)算與高通量實(shí)驗(yàn)，發(fā)揮材料基因組技術(shù)的系統(tǒng)優(yōu)勢(shì)。

?

參考文獻(xiàn)：林海, 鄭家新, 林原, 等. 材料基因組技術(shù)在新能源材料領(lǐng)域應(yīng)用進(jìn)展[J]. 儲(chǔ)能科學(xué)與技術(shù), 2017, 6(5): 990-999.