高性能计算之源起——科学计算的应用现状及发展思考

计算材料学之材料结构预测

现状

材料是国民经济的基石，是实现制造业转型升级的重要基础。随着计算机模拟技术的发展，流体力学、材料和医疗等专业领域也开始使用模型辅助科学研究。由于其问题的复杂性，这些领域的模型参数优化使用单一的优化算法或者适应度计算方法无法有效解决问题，比如某些方法精度高但运行时间长，而某些方法需要苛刻的前置条件。因此，在这些领域通常采用多种方法结合的方式进行参数优化，即由不同步骤组合起来进行问题求解，从而发挥各个方法的优点，更有效率的解决问题。同时，应用领域有很多商业软件，不提供相应SDK（软件开发工具包），整个流程通常只能采用脚本语言（如Shell语言）对各个步骤进行连接。

对领域应用的促进

多步骤参数优化算法的典型场景是材料学领域的晶体结构预测算法。目前常见的结构能量计算方法有分子动力学模拟的方法和基于第一性原理的密度泛函理论（DFT）方法。DFT方法能够提供更准确的结构能量，但计算成本很高。以TiO₂晶体为例，采用分子动力学软件LAMMPS计算其能量，平均耗时为169 ms（100次实验的统计结果，下同）；而采用DFT软件VASP计算其能量，平均耗时为10 309．27 s，两者相差将近6万倍。在DFT软件的基础上采用参数优化算法搜索结构晶体状态，其时间成本很可能超出科学家可接受时间上限。由此可见，单纯采用分子动力学方法进行结构能量模拟，很难获得和DFT方法同等的模拟精度；而单纯采用DFT方法，随着分子结构复杂度上升，其时间成本越来越昂贵。

发展趋势

多步骤参数优化算法较好地解决了这个问题。目前该领域通常是将两种方法结合，在不明显影响系统效率的情况下，有效提升模拟方法的精确度。美国Ames国家实验室提出一种AGA（Adaptive Genetic Algorithm）算法，其采用遗传算法进行给定结构的晶体状态搜索，在GA计算个体适应度时，采用分子动力学方法模拟结构能量。同时，创造性地添加了Adaptive loop模块，将GA生成的数个最优结构交与第一性原理DFT方法重新精确计算其结构能量，再采用Force－Matching方法基于精确信息对分子动力学方法的势参数进行耦合，从而提升分子动力学方法的精确性。如此组成大循环，直至收敛。