Welcome to User Manual of ALKEMIE Matter Studio¶

在未知材料化学成分和性能关系的情况下，具有某种特需功能的新材料往往需要经过漫长的试错和纠错过程，并且经常无功而返。在过去几十年，随着计算能力和理论物理的发展，材料计算模拟在新材料设计中逐渐占据主导地位。如今，随着数据驱动的材料研发时代的到来，为加速新材料的研发与设计，结合多类型材料数据库，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数据管理智能平台变得至关重要。

ALKEMIE (Artificial Learning and Knowledge Enhanced Materials Informatics Engineering)是由北京航空航天大学孙志梅教授团队于2017年基于python开源框架自主开发了一套高通量自动流程可视化计算和数据管理智能平台，该平台包含了适用于数据驱动的材料研发模式的三个核心方面：材料高通量自动计算模拟，材料数据库及数据管理和基于人工智能和机器学习的材料数据挖掘。概括来说，ALKEMIE高通量计算模块可实现从建模、运行到数据分析，全程自动无人工干预；支持单用户不低于10^4量级的并发高通量自动计算模拟；ALKEMIE多类型的材料数据库，通过数据库的高级接口（API）使得基于人工智能和机器学习的数据挖掘技术在新材料设计与研发中可以得以快速的应用和实践。特别的，ALKEMIE自主开发了基于机器学习的跨尺度大规模分子动力学势函数的特色模块。更重要的是，ALKEMIE设计了用户友好的可视化操作界使得工作流和数据流具有更强的透明性和可操作性。

ALKEMIE平台包含ALKEMIE Matter Studio（MS）、ALKEMIE Data Vault（DV）和ALKEMIE Potential Mind（PM）三部分。其具有可视化的高通量自动流程可视化操作界面；从建模、运行到数据分析，全程自动无人工干预；支持单用户不低于10^4量级的并发运算；针对典型算例可以实现单一尺度及跨尺度计算功能；拥有完整的18万条材料学数据库；可移植性、可扩展性强：目前支持VASP, LAMMPS, QE等计算；适用于对第一性原理知识掌握程度从初级到专业的所有材料研究人员。

Wang G, Peng L, Li K, et al. ALKEMIE: An intelligent computational platform for accelerating
materials discovery and design[J]. Computational Materials Science, 186: 110064.

# Bib Tex
@article{wang186alkemie,
  title={ALKEMIE: An intelligent computational platform for accelerating materials discovery and design},
  author={Wang, Guanjie and Peng, Liyu and Li, Kaiqi and Zhu, Linggang and Zhou, Jian and Miao, Naihua and Sun, Zhimei},
  journal={Computational Materials Science},
  volume={186},
  pages={110064},
  publisher={Elsevier}
}