【骨干成员】

李    宁    北京信息科技大学教授

段文晖    清华大学教授、中国科学院院士

邹小平    北京信息科技大学教授

徐雅斌    北京信息科技大学教授

【研究背景】

长期以来，材料研究中面临两大亟需解决的问题：（1）如何认识材料结构、机理及构效关系和（2）在认识不充分的前提下是否可以进行理性设计。实际上，这两大难题也是目前其他新材料研发所具备的共同挑战。本团队将依托北京信息科技大学-材料基因工程高精尖分中心的信息特色和研究优势，以期通过发展计算预测工具，如高通量计算筛选（high-thoughput calculation and screening）平台和智能搜索预测（intelligent searching and prediction）软件等，可直接进行材料发现，并通过利用数据挖掘软件搭建准确可靠“构效”模型，进而将基础数据和“构效”模型交互式地反馈给高通量计算筛选和智能搜索预测中，从而实现目标材料的理论设计与发现。

【研究目标】

开发出具有自主知识产权的高通量多尺度并发/并行式自动流程计算方法与专用软件，建成可支撑高通量计算的硬件系统和运行环境，形成开放共享的高通量材料计算与设计平台，实现新材料的快速、低耗筛选与设计，材料新效应的高效探索。

建设高通量计算硬件系统和运行环境，以自主研发的高通量材料计算软件和高效智能数据库，大模拟高效材料计算、材料性质精确预测的计算方法和软件系统，以及高通量材料计算海量数据的处理加工系统为支撑条件，建成高通量材料计算与设计平台，实现新材料的快速、低耗、设计和预测。

 【主要研究内容】

1. 高通量、多尺度材料模拟计算方法

2. 高效的材料表面搜索算法设计，高通量计算程序的开发

3. 高通量计算专用计算系统

【重要研究进展】

    1. 在北京材料基因工程高精尖创新中心支持下成立北京信息科技大学与中科合成油技术有限公司产学研合作基地。围绕能源催化材料的发现，紧密结合“实验—计算—数据”，开展高通量材料设计平台，目前初步构建并开发了自主材料发现平台。平台以高通量计算筛选为基础，同时开发实现智能预测模块、数据挖掘模块，并在新型电子化合物体系及催化材料体系中初步运用，其中“基于数据挖掘和材料预测的无机电子化合物的发现与制备研究”获得北京市科委重点研发计划支持。

图1 以人工智能算法和数据挖掘为主导的材料发现平台示意图

        2. 团队通过高通量催化材料设计平台，设计了可以抗CO中毒的Pt/MoC催化剂体系，并实现了水溶剂条件下的有机物质的高效选择性加氢，并在Nature Nanotechnology（影响因子37.5） 上发表研究论文，该研究为利用非纯H₂提供了重要的指导。

图2 抗CO中毒催化加氢示意图