材料基因組計劃與第一性原理高通量計算

范曉麗

(西北工業大學材料學院，陜西 西安 710072)

?

材料基因組計劃與第一性原理高通量計算

范曉麗

(西北工業大學材料學院，陜西 西安 710072)

摘要：介紹了材料基因組計劃的目標與核心思想，討論了材料基因的來源與定義。雖然材料基因和計算材料都不是新事物，但兩者均是材料基因組計劃的核心要素，是加快新材料發展的關鍵。集成計算材料工程是材料基因組計劃的基本要素，集合原子、微觀、介觀和宏觀尺度計算工具的材料集成計算在新材料設計、工藝優化、環境響應方面發揮著重要作用。通過幾個研究項目，介紹了第一性原理計算在新材料設計方面的應用，展示了高通量計算篩選新材料的強大功能。不僅如此，高通量計算結果和實驗數據的結合將促進對材料物性的認識和材料基因組數據庫的建設，為新材料設計提供有益信息。實施材料基因組計劃，認識并建立材料結構與屬性之間演化規律與新材料發現同等重要。此外，材料基因組計劃還旨在變革材料研發理念與模式，在材料研發的全周期過程中采用交互、連續的流程模式，開發并集成計算工具、實驗工具、數據信息三大基礎構架模塊。

關鍵詞：材料基因；集成計算材料；第一性原理計算；高通量材料計算

1前言

為了使新材料從發現到市場應用的速度快兩倍，2011年6月美國總統奧巴馬宣布啟動材料基因組計劃(Materials Genome Initiative, MGI)[1]，該計劃是美國先進制造業伙伴關系的一部分，是振興美國制造業的主要舉措。

先進材料是科技創新、經濟社會發展和提高全球競爭力的核心。材料基因組計劃強調基礎設施的興建和開放合作方式的培育，以此加快先進材料的發展及市場化速度。材料基因組計劃重點發展的先進材料包括清潔能源、人類福利和國家安全以及下一代生產力4個方面，它們是新生產力、新工具和新技術的基礎。材料基因組計劃的內容可用圖1概括。中心是材料革新的基礎構架，包括計算工具、實驗工具、數據庫三大模塊，表示為相互交叉重疊的3個圓；3個圓的交叉重疊代表合作網絡，整體體現獨立開放的合作方式。三大模塊整合集成并與產品設計框架無縫結合，將形成快速、整體的工程設計，使制造業更具競爭力。計算工具在三大模塊中處于主導地位，是材料基因組計劃的核心要素。圖的外圈表示MGI實施的重點對象，即當前社會4個需求方面的先進材料。

圖1　材料基因組計劃概述[1]Fig.1　Initiative overview[1]

在美國材料基因組計劃宣布后，我國材料界也積極行動起來，陸續召開了多次相關研討會，爭取在新一輪材料革命性發展中占得先機。2014年9月21日，“2014新材料國際發展趨勢高層論壇—材料基因組計劃研究進展論壇”在西安舉行，300余人的會場座無虛席。在20日的論壇大會報告中，中國版材料基因組計劃項目組組長陳立泉院士介紹了我國開展MGI的重要性和緊迫性，并提出了開展中國版材料基因組計劃的具體建議。材料基因組分論壇邀請了張統一院士、崔俊芝院士等9位報告人作了精彩報告，張統一院士的報告《上海大學材料基因組研究進展》，從材料研究的規劃、組織和實施諸方面較為系統地介紹了上海大學材料基因組研究的進展以及剛剛成立的上海大學材料基因組研究院的建院思路。崔俊芝院士在其《新材料研發的集成化信息平臺》報告中指出，集成化信息技術是支撐“材料基因工程”目標實現的關鍵技術之一。項曉東研究員的報告介紹了高通量組合材料實驗與原位實時高通量組合材料實驗技術的需求與發展現狀。向勇、劉興軍、施思齊、陳亮、肖睿娟、劉利民等學者分別介紹了第一性原理、相圖計算、相場模擬方法以及多尺度計算模擬在新型高溫合金、鋰離子電池材料、鋰離子電池固體電解質材料篩選、光催化材料等先進功能材料的設計與研發方面的工作進展，闡明材料計算在新材料開發中的應用，以及計算和實驗的相輔相成、相互促進的關系，進一步深化了材料設計的理念。

本文將介紹材料基因組計劃的目標、核心思想、材料基因的概念與集成計算材料工程。基于計算材料在新材料研發模式中的主導地位及其在材料基因組計劃實施過程中的核心作用，筆者結合自己的工作經驗，重點探討了第一性原理計算和高通量計算在新材料設計和篩選方面的應用。

2材料基因組計劃的目標與核心思想

材料從發現到產品化一般經過7個步驟：發現-發展-優化-系統設計集成-證書-制造-應用。以今天的速度，一種新材料從發現到應用需要10～20 a的時間，MGI計劃的目標是將材料從發現到市場的周期縮短一半。以往的材料研究大多采用嘗試和改錯的方法，即“炒菜”模式。MGI的做法是將傳統的研發-產品的過程反轉過來，從應用需求出發，倒推出符合相應功能材料的成分和結構。同時用交互、連續的流程替代傳統試錯法中的線性、分離流程，逐步由“經驗指導實驗”向“理論預測、實驗驗證”的新研究模式轉變(如圖2所示)。MGI將顯著縮短學術研究和工業生產之間的間隙。

圖2　材料全周期加速設計[1]Fig.2　Initiative acceleration of the materials continuum[1]

材料從發現到應用的7個步驟可以分為兩個階段，第一階段是材料工程階段，涉及材料的發現、優化、發展；第二階段是產品工程階段,涉及產品各部分的設計組合。材料發現-優化-發展需要10 a以上的時間，產品各部分的設計組合需要的時間少于2 a。因此，要實現材料從發現到市場化的周期縮短一半，主要工作應集中在第一階段的材料工程上，大力提高材料發展的速度。

當前人類社會所需的先進材料涉及多組分和多相結構，成分結構復雜。沒有精確的模型、充分的信息和數據交流，只用傳統的經驗方法來發展下一代材料將是一個艱難耗時的過程。為了探尋先進的材料設計能力以提升新材料發展的速度并降低成本，MGI強調材料革新基礎設施的建設，這些設施包括計算工具、實驗工具、數據信息，以及開放的合作關系和網絡。這些模塊經過開發及整合集成，應用于材料從發現到市場的整個周期中，全過程充分發揮合作關系和數據網絡的作用(圖2)。MGI材料研發模式不同于以往的研究模式，計算從輔助驗證工具變為位于主導地位的指導工具。MGI強調了計算材料在開始的材料設計以及后期通往應用的每個步驟中的指導作用，徹底顛覆以往試錯方法。實際上，計算機指導材料研究并不是一個新的話題，早在1991就有相關專著出版(《材料科學中的計算機模擬》)。MGI計劃最直接的作用是使得依據計算能力以及相稱的建模與模擬能力的增長創造新材料成為可能。

3材料基因與集成計算材料

材料基因(Materials Genome)這個詞是美國濱州大學的劉梓葵教授在2002年創立材料基因組公司(www.materialsgeonom.com)時創造的[2]，來源于相圖計算方法CALPHAD (CALculation of PHAse Diagram, CALPHAD)[3]的成功應用和人類基因組計劃所帶來的靈感，后經材料基因組公司和白宮科學技術政策辦公室雙方同意，2011年6月，材料基因這個詞被“材料基因組計劃”采用。

人類基因是指人體中攜帶遺傳信息的脫氧核糖核酸(Deoxyribonucleic Acid, DNA)片斷，是控制人體性狀的基本遺傳單位。在材料基因組計劃中材料基因并沒有被精確定義：“基因組是一組以DNA為語言編碼的信息，它描繪了有機體生長和發育的藍圖，當把基因組這個詞應用在非生物領域時，意味著面向更大目標的基礎性構造單元[1]”。人類基因組計劃旨在通過對人類DNA中30億個化學基元對(堿基對)的測序，發現人類基因組中所有基因的結構，建立DNA排序和人體機能性狀之間的關系，實現分子水平上了解人類自身。材料基因組計劃與人類基因組計劃最大的相似點是兩者都是從研究對象的最基本組份出發，試圖了解“人”和“材料”，從而達到有目的地創造生物或者新材料的目的。

不同晶體結構單個相的吉布斯自由能和原子遷移率是溫度、成分和壓力的函數，Kaufman和Bernstein[3]認為多組元材料熱力學的基本元素是單個相在完整的溫度、壓力和成分空間內的自由能函數。目前多組元材料的熱力學和動力學數據庫均以單個相作為基本組成模塊。CALPHAD方法結合各組成相的熱力學和動力學數據庫以及物理性質，得到的單個相和相界面的性質可以作為相場法模擬的輸入參數來模擬微結構演化，相場法模擬得到的材料微結構和相與相界面的性質進一步輸入到有限元分析工具，以此來模擬材料的平衡狀態以及對外界環境的響應。因此，單個相可以被認為是建立材料結構和性能之間關系規律、設計材料結構和性能的基本組成模塊[4]，但是，研究發現特定晶體結構相的內在構型，比如自旋方向和分布隨著電場、磁場、溫度和應力等外界條件而改變[5-6]。所以，科學家認為這些更加微觀的內部構型(單個組態)[7-9]應作為單個相的基本組成模塊，即被看作單個相的基因組[10]。原子尺度計算的電子結構和總能量相關的數據作為單個相內部構型的熱力學和動力學數據，有助于確定實驗難以精確測量的材料性質，如圖3所示。

圖3　CALPHAD計算微觀結構的框架圖[4]Fig.3　Frame diagram of CALPHAD calculating microscopic structure[4]

材料基因組計劃目標實現的關鍵在于提升第一階段材料發展的速度。材料的4個基本要素包括合成制備、結構、性質、服役性能，他們之間既相互獨立又彼此關聯，通常被表示為四面體的四個頂點。發展滿足一定應用需求的材料，應從相應的服役性能出發，反式設計出材料的結構成分、合成方法和制備工藝。與反式工程設計過程相反，材料物性計算研究分為4個階段：第一性原理計算、相圖計算、相場模擬和有限元分析。由此獲得熱力學、動力學、晶體結構和缺陷相關的性質，以及對服役環境的響應。 前者致力于新材料的探索設計，從目標功能出發有目的地評估侯選材料組元，設計具備特定性質的材料。后者通過研究眾多的材料組元，搜集有用的信息，尋找和建立材料原子結構-微觀組織-宏觀性能之間的聯系。人類DNA的排列決定人體的主要機能性狀，材料原子排列以及內部電子結構與外界環境共同決定材料的組織和性能。材料基因組計劃中，反式工程設計理念和材料物性研究同等重要，兩者有機結合才能實現材料基因組計劃目標。

材料基因組計劃提出建立更強的計算工具，創建更強的數據共享、管理和分析平臺，這套全新的基礎設施將為科學家和工程師們研究和創造新材料提供豐富的數據和信息。集成計算材料工程(Integrated Computational Materials Engineering, ICME)是材料基因組計劃最基本的組成部分，其將通過計算工具所獲得的材料信息與產品性能分析和制造工藝模擬集成在一起，目的在于設計新材料，或者在已有的材料上做改變以滿足設計的需要。ICME的主要構建模塊包括第一性原理、材料熱力學與動力學、材料加工與性能的模擬工具。ICME通過材料模擬和開發設計之間的動態鏈接，盡可能發掘新材料的潛能,通過對制造工藝系統的每一部分進行優化，以提高產品零部件性能與質量穩定性、縮短開發周期、降低成本。集成計算材料工程涉及方法、應用、服務3個層面。微觀、介觀和宏觀跨尺度計算方法層面的研究與直接針對需求目標應用層面的研究密切相關，不僅為其提供方法支撐，而且為計算材料科學自身發展做出貢獻。服務層面包括材料數據庫、材料計算程序、材料計算平臺、相關資源的創建和提供。Hero-m項目(http:/www.hero-m.mse.kth.se/)與ICME和MGI密切相關，其研究內容如圖4所示。該項目集合從原子到宏觀各個尺度上的材料計算模擬方法與實驗表征技術，開發材料設計過程中所需的ICME工具，并進一步將先進制造技術與材料實驗和模擬融入到ICME工具中，開發材料選擇、生產工藝、產品設計相結合的集成優化系統。

圖4　Hero-m項目不同尺度材料工程設計Fig.4　Hero-m engineering design on different length scales

4第一性原理計算設計新材料

計算材料的發展對于材料基因組計劃的實施至關重要，這一點在集成計算材料工程和Hero-m項目中均有體現。材料發現、優化、發展分別涉及原子、微觀、介觀尺度上的計算模擬。新材料發現旨在探索設計實驗尚未制備或者自然界不存在的、結構未知的材料。按需設計是MGI的終極目標，設計特定性質材料的結構或者探索發現材料新的物相, 均與傳統的材料性能優化和工藝模擬不同。基于經典理論的經驗、半經驗方法無法應用在該研究階段。第一性原理方法基于量子力學原理，計算過程只需要所涉及的原子種類和位置坐標，此外不需要任何經驗參數，該方法是新材料設計和探索的首選方法。

科學家們已經實現了在結構甚至化學計量比均未知，僅從材料的化學成分出發來預測材料新物相和設計特定性質的材料結構。美國紐約州立大學石溪分校的Oganov A主導開發的USPEX (Universal Structure Predictor: Evolutional Xtallography, USPEX)軟件基于晶體結構預測方法[11-13]，該軟件能夠基于材料的化學成分和給定的溫度/壓力，預測材料的穩定結構和一系列低能量介穩結構。此方法已推廣到分子晶體、團簇、變成分結構、相變路徑和基于力學和功能性質的晶體結構預測,部分研究成果見參考文獻[14-16]。USPEX可以完全使用從頭算方法處理晶胞含有6～40原子的體系。對于晶胞多于40個原子的體系，計算成本顯著增大，但仍可以實現，需要借助USPEX中的其他方法或近似。對于100～200個原子的晶胞，使用經典力場方法，也可以得到很好的結果。同類的結構預測方法還有吉林大學超硬材料實驗室的馬琰銘主導開發的CALYPSO (Crystal structure AnaLYsis by Particle Swarm Optimization, CALYPSO) 程序包，該方法在晶體[17]、團簇[18]、二維層狀材料[19]結構發現預測方面具有很高的成功率和收斂速度。

第一性原理方法能夠準確計算原子結構下的各種電子結構和總能量相關的數據，預測熱力學、動力學和力學性質，在考慮原子、電子尺度下振動和熱電子熵的貢獻后，能夠預測有限溫度下的性質。在為多組元材料設計服務的計算工具中，第一性原理計算作為第一階段的計算工具參與多組元材料設計，使得單個相的內部微觀構型成為多組元材料的基本組成模塊，極大地增強了CALPHAD計算對多組元材料單個相性質的預測能力，如圖2所示。

第一性原理計算方法在針對特定應用目標篩選組元材料方面同樣取得了突出的成績，這一點將在下一節說明。

5高通量計算篩選新材料

計算能力的提升以及計算模擬技術的發展，使得高通量計算搜索新材料成為可能。在真正的實驗之前，我們可以采用高通量計算并根據特定需要來篩選自然界已有的或者不存在的，所有可能的復合物。同時，高通量計算和可用的實驗數據相結合，建立結構和性質之間的聯系，將為新材料的設計提供充分的數據信息，省掉“試”和“錯”的過程。

最近，高通量計算已經開始應用于二次鋰離子電池(Lithium Secondary Batteries, LSB) 材料的設計和發現中[20-24]。關系到二次鋰離子電池性能的關鍵物理問題有：材料的電子結構和導電性，鋰離子擴散動力學，電極、電解液表面、界面問題，電極材料的結構和相穩定性，離子植入熱力學等。第一性原理計算的多功能性給以上絕大部分的物理問題的解決提供了有益的參考，重要的是，第一性原理計算的準確性足以預測二次鋰離子電池的關鍵性能。首先，基于第一性原理的高通量計算方法可以計算數以千計的二次鋰離子電池材料的性質，由此篩選出具備期望性質的材料。其次，結合第一性原理計算與微觀、介觀尺度上的高通量計算工具與數據挖掘技術，將幫助我們搞清楚一些重要的、控制二次鋰離子電池材料性質的原理。中科院物理所陳立泉院士課題組依據關系到二次鋰離子電池性能的相關物理問題，設計了一個篩選二次鋰離子電池材料的高通量計算流程[23]。

清潔能源材料是材料基因組計劃致力發展的4類先進材料之一。氫能是公認的清潔能源，其作為低碳和零碳能源正在脫穎而出。世界各國正在研究如何能大量而廉價的生產氫，利用太陽能分解水制氫是一個主要的研究方向。

光解水制氫涉及兩步反應:

H++e-+*→H*,

2H*→H2+2*或者H*+H++e-→H2+*

制氫反應的第一步是氫吸附中間體的形成。熱力學上，如果氫的吸附是強烈吸熱過程，那么氫吸附中間體的形成將受阻礙；如果它是強放熱過程，那么由吸附中間體形成H2則需要很大的能量導致反應難以進行。光解水制氫的關鍵在于找到一種高效廉價的催化劑,使得吸附中間體和H2的形成均容易發生。丹麥技術大學原子尺度材料物理中心的Noerskov J K課題組研究發現制氫反應的速度和反應自由能(ΔGH)之間存在一個火山模型[25]，電流密度最大值出現在ΔGH=0eV處。 因此，氫吸附的吉布斯反應自由能成為判斷金屬材料[25-28]催化析氫反應活性的標準。該課題組以ΔGH為需求標準，成功將高通量計算應用在了制氫催化材料篩選上[28]。他們將催化活性標準、精確穩定性評估、基于700多個過渡金屬表面合金的DFT計算數據有效地結合，形成評估程序，由此完成了大規模合金催化劑的組合篩選。計算結果如圖5所示，顯示Bi和Pt的合金表面是最有潛力的制氫催化材料之一。Noerskov J K課題組后來成功合成了BiPt合金表面，并證明了該材料的催化活性優于典型制氫催化劑Pt。最近，此類計算被用于評估過渡金屬二硫化物的催化性能[29-30]，計算結果與實驗發現完全一致。

圖5　高通量計算篩選256個純金屬和表面合金[28]Fig.5　Computational high-throughput screening for on 256 pure metals and surface alloys[28]

6結語

MGI實施以來，獲得了美國學術界和工業界的積極響應，取得了較快的進展。我國也多次召開了各種類型的材料基因組研討會，鑒于我國關鍵新材料的長期缺乏，歷屆與會專家一致認為我國必須啟動中國版的“材料基因組計劃”， 變革材料研發傳統模式，加速國家關鍵新材料的研發和應用進程。材料基因組工程得到了各級政府的高度重視，參與的政府部門、學術機構、院校日趨增多,已經成立了多家材料基因組機構：上海市材料基因組研究院，材料基因工程北京市重點實驗室，上海大學材料基因組研究院，西北工業大學材料基因組國際合作研究中心，北航集成計算材料工程中心等。

材料基因組計劃將變革傳統離散型的、經驗試錯法的研發模式，建立計算工具、實驗工具、數據庫相融合、協同創新的研發理念。計算在新材料研發模式中處于指導地位。計算工具建設的最終目標是使用仿真軟件加速材料的研發部署，指導發現新材料、替代物理測試。計算工具當前的主要問題是還不具備多空間和時間尺度的仿真計算能力，同時各種軟件分散、難以集成。目前應以開放的方式，加速計算工具的開發，特別是快速增長的第一性原理方法和先進模擬方法。材料集成計算工具在工業界已經發揮了作用，學術界和工業界的開放式互動交流將促進集成計算研究走向深入。隨著計算能力、數據管理和材料科學與工程集成方法的發展，材料研發模式應轉向開放共享和集成協作，同時提升文化氛圍，使下一代材料人完全采納這種方式，并使其進一步發展。

參考文獻References

[1]United States of Office of Science and Technology Policy, National Science and Technology Council.MaterialsGenomeInitiativeforGlobalCompetitiveness. [EB/OL]. (2011-06-24). http://www.whitehouse.gov/sites/default/files/microsites/ostp/materials_genome_initiative-final.pdf.

[2]United States Patent and Trademark Office.TrademarkElectronicSearchSystem(TESS):MaterialsGenome. [EB/OL]. (2012-11).http://tess2.uspto.gov.

[3]Kaufman L, Bernstein H.ComputerCalculationofPhaseDiagram[M]. New York: Academic Press Inc., 1970:55-60.

[4]Campbell C E, Kattner U R, Liu Z K. File and Data Repositories for Next Generation CALPHAD[J].ScriptaMaterialia, 2014, 70(1): 7-11.

[5]Drautz R, F?hnle M. Parametrization of the Magnetic Energy at the Atomic Level[J].PhysRevB, 2005, 72(212 405):1-4.

[6]Lavrentiev M Y, Nguyen-Manh D, Dudarev S L. Magnetic Cluster Expansion Model for bcc-fcc Transitions in Fe and Fe-Cr Alloys[J].PhysRevB, 2010, 81(184 202): 1-6.

[7]Wang Y, Hector L G, Zhang H,etal. Thermodynamics of the Ce gamma-alpha Transition: Density-functional Study[J].PhysRevB, 2008, 78(104 113):1-9.

[8]Wang Y, Hector L G, Zhang H,etal. A Thermodynamic Framework for a System with Itinerant-electron Magnetism[J].JPhysCondensMatter, 2009, 21(326 003):1-7.

[9]Wang Y, Shang S L, Zhang H,etal. Thermodynamic Fluctuations in Magnetic States: Fe3Pt as a Prototype[J].PhilosMagLett, 2010, 90(12):851-859.

[10]Liu Zikui (劉梓葵). 關于材料基因組的基本觀點及展望[J].ChineseScienceBulletin(科學通報), 2013, 58(35): 3 618-3 622.

[11]Lyakhov A O, Oganov A R, Valle M.CrystalStructurePredictionUsingEvolutionaryApproach.In:ModernMethodsofCrystalStructurePrediction[M]. Berlin: Wiley-VCH, 2010: 147-180.

[12]Oganov A R.CrystalStructurePrediction,aFormidableProblem.In:ModernMethodsofCrystalStructurePrediction[M]. Berlin: Wiley-VCH, 2010:6-21.

[13]Oganov A R, Ma Y, Lyakhov A O,etal.EvolutionaryCrystalStructurePredictionandNovelHigh-PressurePhases.In:High-pressureCrystallography[M]. Berlin: Springer, 2010:293-325.

[14]Liu Y, Oganov A R, Wang S,etal. Prediction of New Thermodynamically Stable Aluminum Oxides[J].SciRep, 2015, 5(9 518):1-10.

[15]Zhou X F, Oganov A R, Shao X,etal. Unexpected Reconstruction of the α-Boron (111) Surface[J].PhysRevLett, 2014, 113(17 6101) :1-5.

[16]Zhang W W, Oganov A R, Goncharov A F,etal. Unexpected Stoichiometries of Stable Sodium Chlorides[J].Science, 2013 (342):1 502-1 505

[17]Wang Y C, Lv J, Zhu L,etal. CALYPSO: A Method for Crystal Structure Prediction[J].ComputPhysCommun, 2012, 183(10): 2 063-2 070.

[18]Lv J, Wang Y C, Zhu L,etal. Particle-Swarm Structure Prediction on Clusters[J].JChemPhys, 2012, 137(084 104):1-8.

[19]Wang Y C, Miao M S, Liu J,etal. An Effective Structure Prediction Method for Layered Materials Based on 2D Particle Swarm Optimization Algorithm[J].JChemPhys, 2012, 137(224 108): 1-6.

[20]Hautier G, Jain A, Chen H L,etal. Novel Mixed Polyanions Lithium-ion Battery Cathode Materials Predicted by High-Throughput ab-initio Computations[J].JMaterChem, 2011 (21): 17 147-17 153.

[21]Hautier G, Jain A, Ong S P. Phosphates as Lithium-Ion Battery Cathodes: An Evaluation Based on High-Throughput ab initio Calculations[J].ChemMater, 2011, 23(15): 3 495-3 508.

[22]Jain A, Hautier G, Moore C J,etal. A High-Throughput Infrastructure for Density Functional Theory Calculations[J].ComputMaterSci, 2011, 50(8): 2 295-2 310.

[23]Ouyang Chuying, Chen Liquan. Physics towards Next Generation Li Secondary Batteries Materials：A Short Review from Computational Materials Design Perspective[J].SciChina-PhysMechAstron, 2013, 56(12):2 278-2 292.

[24]Gao Jian, Chu Geng, He Meng,etal. Screening Possible Solid Electrolytes by Calculating the Conduction Pathways Using Bond Valence Method[J].SciChina-PhysMechAstron, 2014, 57(8):1 526-1 535.

[25]Noerskov J K, Bligaard T, Logadottir A,etal. Trends in the Exchange Current for Hydrogen Evolution[J].JElectrochemSoc, 2005, 152(3):23-26.

[26]Hinnemann B, Moses P G, Bonde J,etal. Biomimetic Hydrogen Evolution: MoS2Nanoparticles as Catalyst for Hydrogen Evolution[J].JAmChemSoc, 2005, 127(15): 5 308-5 309.

[27]Choi W I, Wood B C, Schwegler E,etal. Site-Dependent Free Energy Barrier for Proton Reduction on MoS2Edges[J].JPhysChemC, 2013, 117(42): 21 772-21 777.

[28]Greeley J, Jaramillo T F, Bonde J,etal. Computational High-Throughput Screening of Electrocatalytic Materials for Hydrogen Evolution[J].NatMater, 2006 (5): 909-913.

[29]Fan X L, Yang Y, Xiao P,etal. Site-Specific Catalytic Activity in Exfoliated MoS2Single-layer Polytypes for Hydrogen Evolution: Basal Plane and Edges[J].JMaterChemA, 2014 (2): 20 545-20 551.

[30]Pan H. Metal Dichalcogenides Monolayers: Novel Catalysts for Electrochemical Hydrogen Production[J].SciRep, 2014, 4(5348):1-6.

(編輯惠瓊)

Materials Genome Initiative and First-PrinciplesHigh-Throughput Computation

FAN Xiaoli

(School of Materials Science and Engineering, Northwestern Polytechnical University, Xi’an 710072, China)

Abstract：Both Materials Genome and computational materials are the key to speed up marketing new material although they both are not new. In the present article, the author introduces the goal and core concepts of MGI,and discusses the definition and understandings to Materials Genome. The integrated computational materials engineering (ICME) is the essential ingredient of MGI. Integrated computational materials combined the atomic, microscopic, mesoscopic and macroscopic scale computational tools play an important role from the initial discovery and optimizing to the environmental testing. Through a few projects, the applications of first-principles calculation in new materials design, and high-throughput computation in certain materials screening are presented. Combination of high-throughput computation and experiments will further people knowing materials, constructing database, and providing useful information for new materials design. For MGI, knowing the relation between the material structures and properties and designing new material are both important. Additionally, MGI aims to change the conventional R&D pattern, combining calculation, experiment and database, applying interactive and concurrent technological procedure in the whole process from discovery to applications.

Key words：Materials Genome; integrated computational materials; first-principles calculation; high-throughput computation

中圖分類號：TB3

文獻標識碼：A

文章編號：1674-3962(2015)09-0689-07

DOI:10.7502/j.issn.1674-3962.2015.09.07

作者簡介：范曉麗，女，1976年生，教授，博士生導師，Email: xlfan@nwpu.edu.cn

基金項目：國家自然科學基金資助項目(21273172)

收稿日期：2015-07-20