简介¶
在未知材料化学成分和性能关系的情况下，具有某种特殊功能的新材料往往是经过漫长的试错纠错而发现的，随着计算能力和技术的飞速发展，传统理念正在发生改变。为加速新材料研发，结合第一性原理数据库，数据挖掘和机器学习技术，发展高通量自动流程材料集成计算算法及软件变得至关重要。目前，常用的高通量计算流程框架（Materials Project, Aflow等）基本由国外课题组主导且入门及安装“成本”相对较高，本项目借助材料基因组理念，完全自主开发了一套简单易懂的高通量自动流程集成算法及软件。
ALKEMIE（Artificial Learning and Knowledge Enhanced Materials Informatics Engineering）是一款具有多尺度集成功能的高通量自动流程计算软件，由北京航空航天大学孙志梅教授团队牵头，从零开始开发的一套基于python开源框架完全自主的高通量自动流程计算软件。该软件包含单机版（完整功能）和网页版（数据库功能）两个版本，用户网页注册后即可下载单机完整版。
软件特色¶
用户范围广：为初级用户提供可靠的缺省参数配置，也适合高级用户自定义设置。
材料大数据：拥有18万材料结构数据；方便查询，具有高通量计算接口。
高通量自动建模：自动构建晶界、掺杂、空位、异质结等结构。
计算工作流多样化、流程化：支持VASP、LAMMPS高通量工作流，工作流会以流程图展示内部的计算细节。
机器学习跨尺度势函数：第一原理和大规模分子动力学无缝集成，利用深度学习神经网络拟合势函数，运行大规模分子动力学模拟。
多尺度模拟：热力学（Gibbs，居里温度、体模量）模拟；动态蒙特卡洛（KMC）模拟、相图相场（Openphase，Opencalphd）模拟。
自主算法：基于混沌多项式法（gPC）的体模量拟合；电子结构高效高精度算法LDA-1/2；机器学习Potentialmind算法。
高通量自动数据分析：自动绘制材料性质图（Bands，DOS等）；自动对高通量任务统计分析。
软件功能¶
高通量：ALKEMIE可以管理单用户超过10000量级的高通量计算任务。
自动化：该平台的高通量工作流从建模、计算到数据分析全程自动运行无需人工干预，运行过程可以采用默认参数，也可用户自定义参数。
可视化：该平台基于QT设计了用户友好的可视化界面，使得高通量内部的工作流程和数据传递方式更加透明，操作更加便捷，方便具有不同材料知识背景的用户使用。
工作流：该平台开发设计了适用于多种计算软件的科学工作流，将用户从繁琐甚至困难的计算流程中解放出来，极大提高了计算和工作效率。
数据库：构建了多种类型的材料数据库，包括材料结构数据库、工作流数据库、材料性质数据库、文件数据库、适用于机器学习的结构描述符数据库等。
机器学习：该平台基于scikit-learn、PyTorch和TensorFlow等多种通用的机器学习工具开发了适用于材料结构能量预测、原子受力预测和带隙预测的模型，并为模型的进一步开发和应用定制了统一的底层接口。
插件模式：该平台支持以插件模式集成添加多尺度不同功能的计算模块，目前已添加多个不同尺度的计算软件，包含第一原理计算软件VASP、OpenMX，分子动力学软件Lammps、ASE，热力学计算软件Gibbs和OpenCalphd以及相场计算软件OpenPhase等，其中部分软件仅提供算例功能，未来将进一步完善丰富。
可移植：Windows、Linux、Mac OS等多个操作系统。
可扩展：支持VASP、LAMMPS等计算，接口易于扩展。
跨尺度：集成了第一原理计算（VASP）、分子动力学模拟（LAMMPS）、热力学计算（GIBBS2）、动态蒙特卡洛模拟（kinetic_mc）和介观尺度相场模拟（Openphase）的相关软件，可实现单一尺度及跨尺度计算功能。
Important
ALKEMIE于2019年4月份发布1.0版本。目前最新版为ALKEMIE-1.5，该软件目前在持续开发中，软件性能及扩展功能将在未来进一步完善。
适用范围¶
初步了解第一性原理知识，需要实践应用的初学者
熟练掌握第一性原理知识，需要研究材料性质的专业科研人员
需要结合计算，对实验现象提出理论解释的实验人员
需要对多材料多结构进行高通量筛选和计算的研究人员
需要材料计算模拟的其他人员
开发人员¶
王冠杰、彭力宇、李开旗、程影星、吴浩