超级计算机的应用具有深远的战略意义和实践价值。它通过与先进的计算材料科学方法紧密结合，突破了传统实验手段的局限，引领材料科学从经验驱动迈向理论与计算驱动的新纪元。超级计算机凭借其强大的计算能力，能够精确模拟从原子到宏观尺度的材料结构、性质及其演化过程，实现对新型材料的高通量筛选与理性设计。具体应用场景包括但不限于以下几个方面：

应用场景

新材料设计与筛选：超级计算机采用大规模第一性原理计算，从原子和电子级别模拟材料的结构与性质，预测新型材料的电、磁、光学、力学等多种性能。通过密度泛函理论（DFT）等方法，可对大量候选材料进行虚拟筛选，以发现高性能的半导体、超导体、催化剂、电池材料等新材料。

材料微观结构与动力学模拟：超级计算机能模拟材料微观结构的演变、动力学行为，如晶体生长、相变、扩散现象以及缺陷行为，从而帮助理解并优化材料制备工艺及稳定性与失效机制。

复合材料与多尺度模拟：针对复合材料与多尺度结构，超级计算机可以跨越原子到宏观尺度，进行多层次、全方位的计算分析，实现复杂材料性能的精确预测与优化设计，如在航空航天、汽车制造行业中设计轻质高强的复合材料。

材料工艺优化与加工模拟：在材料加工过程中，超级计算机模拟高温高压、快速冷却等复杂条件下的材料变形、相变及结构演变，为金属冶炼、铸造、焊接、塑性成形等工艺提供优化方案，提升产品质量和生产效率。

材料大数据分析与机器学习：超级计算机处理和分析大量材料科学数据，并结合机器学习算法构建材料性能与成分、结构间的关系模型，以指导新材料的理性设计与高效筛选。

在服装行业，超级计算机可以用于设计和优化具有特定功能的复合面料。例如，设计出具备高效保暖、透气排汗、抗菌除臭等功能的高性能户外运动服。通过模拟不同纤维材料的排列结构、编织方式以及填充物的分布形态，计算其对热量、湿度的传导与扩散特性，从而设计出在多种气候条件下都能保持舒适度的功能性衣物。同时，还可以模拟新型环保材料如生物降解纤维的机械性能和耐用性，助力可持续发展的纺织品研发。例如，如果是户外服装，利用超级计算机，他们可以从以下几个方面进行精细化研究和设计

• 面料性能模拟：通过超级计算机运行复杂的模拟程序，模拟新型面料在雨雪、大风、低温等极端气候下的防水透气性能。比如，可以模拟水分子和空气分子在面料微孔中的运动轨迹和速度，找出既能阻止水分渗入又能排出汗汽的最佳孔径大小和分布结构。

• 力学性能优化：在设计服装结构时，超级计算机可以模拟布料在拉伸、撕裂、磨损等情况下的力学响应，找出最具韧性和耐久性的面料编织方式和接缝设计，确保服装在恶劣环境中依然能够保持良好的防护性能。

• 热舒适性研究：通过热力学模型，模拟人体在穿着该款夹克时，身体热量与外界环境的交换过程，以求在保暖和透气性之间找到最佳平衡点，避免过热或过冷。

• 人体工学设计：超级计算机还可以帮助设计师通过人体三维模型和运动学模拟，分析不同体型和动作状态下服装与人体的贴合度，优化剪裁和版型设计，提升穿着舒适度和活动自由度。

在汽车制造业，超级计算机在复合材料的研发与应用上也有重要价值。例如，用于设计和优化车辆的轻量化结构件，如碳纤维增强复合材料（CFRP）。通过模拟碳纤维和树脂基体的微观结构、层压工艺以及负载下的应力分布，可以预测复合材料在实际使用中的力学性能、耐久性和安全性。此外，超级计算机还可以助力研发具有特殊功能的汽车内饰材料，如电磁屏蔽材料、吸音降噪材料等，通过模拟材料对电磁波的吸收和声波的衰减，以提升车内电磁兼容性和驾乘舒适度。

• 电解质和电极材料设计：通过模拟电解质分子与电极材料（如石墨、硅、锂金属、氧化物等）之间的相互作用，以及离子在电解质中的输运过程，超级计算机可以协助设计出具有高离子电导率、良好电化学稳定性和优异循环性能的新型电解质材料。
• 复合电极结构优化：在锂离子电池中，电极常常由活性物质、导电剂和粘结剂等复合而成。超级计算机能够模拟不同材料的比例、尺寸分布和结构布局对电池性能的影响，例如提高活性物质的利用率、降低阻抗、增强电极机械稳定性等，从而优化复合电极的微观结构设计。
• 固态电解质界面（SEI）研究：在固态电池中，SEI层的形成和稳定性对电池性能至关重要。超级计算机可以通过原子尺度的模拟，研究固态电解质与电极之间形成的SEI层结构、演化过程和电化学性能，从而设计出更稳定、更利于离子传输的SEI材料。

相关论文

• Large-scale materials modeling at quantum accuracy: Ab initio simulations of quasicrystals and interacting extended defects in metallic alloys

摘要：量子多体（QMB）方法实现了量子精度，但却无法扩展。密度函数理论（DFT）的扩展性较好，但仍与量子精度相去甚远。我们提出了一个框架，通过使用三个相互关联的模块来打破这种二分法：(i) invDFT：反 DFT 方法的进步，将 QMB 方法与 DFT 相结合；(ii) MLXC：使用 invDFT 数据训练的机器学习密度函数，与量子精度相称；(iii) DFT-FE-MLXC： 基于自适应高阶谱有限元（FE）的 DFT 实现，将 MLXC 与高效求解器策略以及 FE 特定密集线性代数、混合精度算法和异步计算通信方面的 HPC 创新集成在一起。我们展示了 DFT 的范式转变，它不仅在基态能量方面提供了与 QMB 方法相当的精度，而且在使用 8,000 个 GPU 节点的 Frontier 超级计算机的 619,124 个电子上实现了前所未有的 659.7 PFLOPS 性能（43.1% 的 FP64 峰值性能）。

• Artificial Intelligence Guided Studies of van der Waals Magnets

摘要：本研究开发了一个材料信息学框架，用于探索大量候选范德华（vdW）材料。特别是，在这项研究中，通过结合高通量密度泛函理论计算和人工智能（AI），研究了单层过渡金属卤化物的巨大空间，以加速发现稳定的材料并预测其磁性能。形成能被用作化学稳定性的代表。为了提高人工智能模型的性能，利用半监督学习来减轻稀疏标记材料数据带来的挑战。这种方法利用人工智能识别数据中的模式、从数据中学习材料的数学表征以及预测材料特性的能力，为快速发现化学稳定的 vdW 磁体开辟了途径。利用这种方法，以前未探索过的、在数据存储和自旋电子学中具有潜在应用价值的 vdW 磁性材料得以发现。

• Site-specific reactivity of stepped Pt surfaces driven by stress release

摘要：异相催化剂被广泛用于促进化学反应。众所周知，化学反应通常发生在催化剂表面，但只有特定的表面位点才具有较高的催化活性。因此，识别活性位点并最大限度地提高其存在是催化研究的核心1,2,3,4，其中经典的模式是根据不同的表面图案（如梯田和台阶）对活性位点进行分类1,5,6,7,8,9,10。然而，这种简单的分类方法往往会导致催化剂活性预测的数量级误差和活性位点定性的不确定性7,8,11,12，从而限制了催化剂设计的机会。在此，我们以阶梯状铂（111）表面和电化学氧还原反应（ORR）为例，证明造成较大误差和不确定性的根本原因是简化分类忽略了由表面应力释放驱动的原子特定位点反应性。具体来说，台阶上的表面应力释放会引入不均匀应变场，压缩率高达 5.5%，从而导致具有相同局部配位的台阶原子产生不同的电子结构和反应性，并导致 ORR 活性的原子位点特异性增强。对于台阶边缘两侧的台阶原子，其活性的增强是台阶中间原子活性的 50 倍。

• Giant Negative Thermal Expansion in Ultralight NaB(CN)(4)

摘要：负热膨胀（NTE）对于控制功能材料的热机械特性至关重要，尽管这种现象相对罕见。本研究报告了在 NaB(CN)4 中观察到的巨大负热膨胀（αV∼-9.2 ⋅ 10-5 K-1，100-200 K；αV∼-3.7 ⋅ 10-5 K-1，200-650 K），展示了有趣的超轻特性。为了探索热膨胀机理，我们进行了同步辐射 X 射线衍射、拉曼光谱和第一原理计算等综合研究。研究结果表明，低频声子模式在 NTE 中起着主要作用，而具有大多数负格鲁奈森参数的非刚性振动模式是在 NaB(CN)4 中观察到的巨大 NTE 的关键因素。 这项研究提出了一种具有巨大 NTE 和超轻质量密度的新材料，为理解和设计新型 NTE 材料提供了启示。

• Theoretical and experimental investigations on the phase stability and fabrication of high-entropy monoborides

摘要：为了获得热力学稳定的单相高熵单硼化物（HEMB），我们通过第一性原理计算预先评估了双化合物单硼化物的形成能力，这些单硼化物是由从 Ti、V、Nb、Ta、Cr、Mo、W、Mn、Fe、Co 和 Ni 等 11 种过渡金属中选择的两种阳离子组合构建而成的。并将此方法扩展到 HEMB，通过平均混合焓（μlocal）和标准偏差（σlocal）预测合成的相对可行性和相分离趋势。结果表明，熵稳定的 HEMB 的熵对自由能的贡献较大，σlocal 较小的 HEMB 容易获得较高的单相形成能力。此外，还合成了四种具有维氏硬度（41-45 GPa）的 HEMB 陶瓷超硬材料。这项工作为 HEMB 的设计和性能研究提供了现实的理论指导，将有效促进超硬 HEMB 陶瓷的应用。

应用案例

• “天河”系列超级计算机应用成果报道——超声速燃烧高保真高效模拟研究

推荐阅读

• 大数据+超算，“算”出未来新材料
• Archer Materials通过超级计算机确认12CQ材料的独特性
• 英国国家复合材料中心将建设用于人工智能应用的国家超级计算机设施
• 微软预计在10年内建造一台量子超级计算机：把接下来250年的化学和材料科学进步压缩到25年