这是烟草花叶病毒的原子模型，管状病毒长约300nm，直径18nm
新的发展对材料提出了新的要求。并且，这些技术大多是通过实验室里繁琐的实验开发出来的。位于圣奥古斯丁的Fraunhofer算法与科学计算研究所（SCAI）的研究人员日前利用“虚拟材料设计”和专门开发的Tremolo-X软件，大大缩短了这些严重耗时且成本高昂的实验过程。他们通过把多尺度模型、数据分析和机器学习等技术结合起来，实现了更快速地开发和改进材料。在2018年4月23日至27日的汉诺威工业博览会上，Fraunhofer将详细展示这种虚拟材料设计方法。
随着时代进步，几乎每个行业都需要新材料来支持他们的发展。我们以汽车行业为例：虽然一辆汽车过去只使用很少的几种材料，但制造现代汽车要用到数千种不同的材料，而且这个数量在不断增长。无论是减轻汽车的重量，提高燃油经济性，还是开发新型动力电池，每一项新的发展都需要找到或开发出具有合适性能的材料。然而，寻找合适的材料往往像玩猜谜游戏一样困难。实验人员通常从庞大的材料数据库中选择出可能符合新要求的材料，然后进行测试。这些数据库尽管预测了材料的具体性能特征，但通常不够确定和深入，因此人们不能据此判断出材料是否具有理想的性能。我们需要进行大量的实验室测试，才能确认最终结果。SCAI的科学家们选择了不同寻常的方法。他们把实际应用对材料的新要求分解为对材料内部结构的要求，也就是从原子水平上考虑材料的性能。研究人员使用一个特别开发的软件Tremolo-X计算出物质粒子在受到某些物理效应时如的变化。我们可以依据这些变化断定是否可以在这些粒子的基础上开发出具有所需性能的材料。
虚拟预测模型和原子模拟
“人们通常需要10到20年时间来寻找一种合适的材料，这个过程不仅耗时而且代价高昂。我们的目标就是缩短这个时间，” SCAI的Jan Hamaekers博士说：“我们的想法是使用虚拟过程筛选出的可能合适的材料数量，直到只需要几个人就能完成在实验室里进行的测试工作。”要做到这一点，首先必须明确我们对材料的新要求。例如，材料的冷却速度有多快，或者承受的载荷有多大。用Fraunhofer软件在计算机上对此进行两种不同的模拟：在原子甚至在量子水平上模拟虚拟粒子的变化。看他们会有哪些表现，粒子之间如何发生相互作用。另一种方法是利用现有的数据和知识推导出预测模型，从而预测出材料的性质。Hamaekers解释说：“我们的目标是在虚拟计算实验中改进、创造和探索具有特定性能的新型创新材料和分子，以便在实际合成之前设计、确定其最优的结构。”
多尺度建模：从原子到工艺链
就像化学工业中的应用一样，材料具体的性能变化过程在多尺度建模过程中变得清晰起来。首先在量子水平上描述材料的化学特性变化，然后这些信息被转移到更粗糙的模型中，用来描述材料分子及其物理特性。Hamaekers解释说：“例如，如果我们想要预测电解质的品质，或者锂离子电池的离子扩散速度，那就先在量子水平上模拟这些粒子，看看它们会发生什么。然后，我们将这些信息提高到一个新的水平，并在动力学方面深入探究，了解粒子在原子水平上的运动情况。接着，我们可以再上升一个尺度，看看电解质在宏观世界中的具体行为。这让我们精确洞察材料所有与性能相关的变化过程，如果有必要，我们可以调整或改变过程。”这样，不仅可以开发新材料，也可以找到适合特定应用的材料。这项技术潜力巨大，因为我们可以对这些过程进行审查和改进。比如，通过在虚拟反应堆中模拟原子或分子水平的变化过程，精确地识别具有优化潜力的点或参数。
在2018年汉诺威工业博览会上，Fraunhofer SCAI使用生动的例子来展示如何通过建模、数据分析和机器学习来改进材料的设计。
原文来自：phys
化学慧纳米材料系列产品
