传统材料研发模式主要基于实验“试错法”，其研发周期长、效率低，人工智能驱动的科研范式变革和新材料数字化研发模式能有效地降低研发成本，缩短研发周期。本书基于计算、数据、AI和实验“四位一体”的新材料集成式智能化研发理念，提出了基于材料基因编码的新材料智能设计范式，从企业级新材料研发和面向科研的材料计算视角，重点围绕高通量材料集成计算、多尺度材料计算模拟、材料数据库、材料数据机器学习、新材料研发制造软件等介绍了新材料数字化智能化研发和设计基本概念、方法、技术和应用。本书同时也介绍了国产的高通量多尺度集成式材料智能化设计工业软件MatCloud+，并通过一些精选案例介绍了材料计算、数据和新一代人工智能等数字化研发方法技术在新能源、金属/合金、石油化工、复合材料、新型功能材料等重点材料行业或领域的应用。
本书内容源自原始文献和作者在本领域多年的积累，重点阐述基本概念、基本理念、方法和应用实践，适合于计算材料、计算物理、计算化学等领域和方向的研究人员、学生或教师参考，也适合于涉及新材料研发的企业、制造业和政策层面参考。

杨小渝，博士，英国剑桥大学博士后，现为中国科学院计算机网络信息中心研究员，入选中国科学院“百人计划”A类，博士研究生导师，中国科学院大学岗位教授，英国雷丁大学访问教授。
在英国学习工作12年，获英国德蒙福特大学计算机硕士（2001）、系统工程博士学位（2006），后分别在英国剑桥大学、南安普敦大学以及英国雷丁大学开展研究工作，其间作为核心人员参与了10多个欧盟框架项目和英国国家政府项目的研发。
2012年回国后主要从事高通量材料集成计算、人工智能、多尺度模拟计算、材料数据库、材料信息学等研究。研发了我国首个高通量多尺度材料集成设计工业软件及平台MatCloud+，并实现了成果转化。回国后主持或参与了国家发展改革委、国家自然科学基金、“十三五”国家重点研发计划“材料基因工程重点专项”、北京市自然科学基金、云南省“稀贵金属材料基因工程”等项目和课题。发表学术论文50余篇，并著有3部英文学术著作。2011年获由教育部、科技部举办的第五届“春晖杯”中国留学人员创新创业大赛二等奖。2010年获香港特别行政区“香港优秀人才入境”身份。2012年放弃赴港，直接回到内地。

丛书序
序一
序二
前言
第1章 高通量多尺度材料计算：背景、意义和现状
1.1 材料研发之计算
1.2 材料研发之AI
1.3 材料研发之数据
1.4 高通量多尺度材料计算：需要计算、数据、AI融合的基础设施支撑
1.4.1 高通量多尺度材料计算：特点及挑战
1.4.2 高通量多尺度材料计算平台：新材料研发基础设施
1.4.3 高通量多尺度材料计算平台发展趋势
1.5 国外高通量多尺度材料计算平台现状
1.5.1 美国微软的Azure量子元素
1.5.2 美国Mat3ra
1.5.3 韩国Materials Square
1.6 MatCloud+材料云：国产高通量多尺度材料计算平台
1.6.1 MatCloud+高通量多尺度材料智能设计云平台简介
1.6.2 高通量、多尺度、SaaS化、流程化、智能化、自动化、图形化
1.6.3 10年研发历程和项目资助
1.6.4 在欧盟、美、英、日、中东等的影响力
1.6.5 在国内的应用及影响力
参考文献
第2章 企业级新材料研发之材料计算、数据、AI
2.1 概述
2.2 企业级新材料数字化研发典型案例
2.3 新材料数字化研发的核心技术：以美国QuesTek公司为例
2.3.1 第一性原理计算
2.3.2 计算热力学
2.3.3 材料数据库和机器学习
2.3.4 物性衍生模型
2.4 我国新材料数字研发化：困境、思考和破局
参考文献
第3章 材料基因和性能关系模型的构建
3.1 材料基因组计划
3.2 基因、材料图谱、分子指纹
3.3 材料基因编码vs.材料基因
3.4 材料基因编码的数学表达
3.4.1 材料基因
3.4.2 材料基因编码的数学表达：材料基因编码理想模型
3.5 基于材料基因编码的材料智能设计框架
3.6 基于材料基因编码的材料智能设计范式
参考文献
第4章 高通量材料计算与筛选
4.1 高通量计算
4.2 高通量材料计算
4.2.1 高通量材料计算的特点
4.2.2 高通量材料计算的分类
4.2.3 高通量材料计算的用途
4.3 高通量材料计算筛选
4.3.1 高通量筛选
4.3.2 高通量计算筛选
4.3.3 高通量计算筛选的结构候选空间
4.3.4 生成化学空间的案例
4.3.5 生成化学空间的其他注意点
4.3.6 高通量计算筛选的理论计算
4.4 高通量材料集成计算
4.4.1 如何有效地与高性能计算集成
4.4.2 如何有效地与材料数据分析集成
4.4.3 高通量计算各环节步骤的自动化集成
4.4.4 不同尺度计算软件的集成
4.4.5 计算数据与实验数据的集成
4.5 智算驱动的高通量材料集成计算平台建设
4.5.1 智算驱动的高通量材料集成计算平台总体架构
4.5.2 基于开放架构的智算平台核心技术实现
4.5.3 驱动引擎和自动流程
4.5.4 材料计算、制备、表征及服役的融合
4.5.5 融合人工智能与多尺度计算
4.6 高通量材料集成计算的未来发展趋势
参考文献
第5章 高通量计算环境
5.1 高通量计算环境之提供：高性能计算
5.1.1 术语和概念
5.1.2 多核架构
5.1.3 GPU架构
5.1.4 X-PU架构专用芯片
5.2 高通量计算环境之硬件：计算集群
5.2.1 计算集群基本概念
5.2.2 Beowulf计算集群
5.2.3 计算集群的优缺点分析
5.3 高通量计算环境之软件：集群作业管理系统
5.3.1 集群作业调度
5.3.2 集群作业管理
5.4 高通量材料集成计算对高性能计算提出的挑战
5.4.1 “多节点，小核数”vs.“少节点，大核数”
5.4.2 “不满核，非独占”vs.“不满核，独占”
5.4.3 自动调整和纠错
5.4.4 作业的停止、删除、续算
5.4.5 海量数据处理
参考文献
第6章 高通量材料计算驱动引擎
6.1 高通量材料计算驱动引擎概念
6.2 高通量材料计算驱动引擎核心功能剖析
6.3 高通量材料计算驱动引擎非功能需求分析
6.4 实现高通量材料计算驱动引擎的关键要素
6.4.1 作业与任务的区分
6.4.2 满足材料计算的高通量特性
6.4.3 高通量材料计算的容错、纠错机制
6.4.4 工作流系统
6.4.5 高通量材料计算驱动引擎的要素整合
参考文献
第7章 高通量结构建模
7.1 结构建模概述
7.2 超胞构建
7.3 掺杂
7.4 表面切割
7.5 表面吸附
7.6 界面建模
7.7 粗粒化建模
参考文献
第8章 多尺度计算模拟和跨尺度桥接
8.1 概述
8.1.1 不同时空尺度的定义
8.1.2 跨尺度桥接
8.2 多尺度材料计算模拟
8.2.1 量子和原子空间尺度的计算模拟
8.2.2 微观尺度的材料结构演化和材料响应
8.2.3 宏观尺度的计算模拟
8.3 软件的输入-输出关系和跨尺度桥接耦合
8.3.1 常用材料计算软件的输入-输出关系
8.3.2 常用材料计算软件的跨尺度桥接方法
8.4 跨时空尺度计算模拟的局限和挑战
8.5 跨时空尺度计算模拟的发展