ALKEMIE 平台概览


可视化高通量工作流.

高通量自动流程及数据分析
高通量自动建模、高通量计算、高通量数据分析
ALKEMIE基础架构
ALKEMIE平台特色
ALKEMIE高通量平台功能区(功能选择)和工作区(构建工作流)
ALKEMIE高通量平台登陆及欢迎界面
ALKEMIE自动工作流t
ALKEMIE高通量平台多种数据类型
ALKEMIE高通量平台多类型材料数据库

ALKEMIE 设计理念


A M D I V

Automation

材料基因工程的基本理念是变革传统的“试错法”材料研究模式,发展高效和协同创新的新型材料研发模式,使得新材料的研发周期缩短一半,研发成本降低一半,因此整个平台的自动化运行必不可少

Modular

为了兼容不同的计算模拟软件,不同的读写格式、不同的计算尺度和时间跨度,以及不同的数据库类型,模块化编程变得至关重要

Database

对于高通量自动计算产生的海量数据,格式化的存储极为重要。基于欧洲科学家提出的FAIR Data的原则,数据应该满足可发现、可获取、可互操作和可再利用这四个特性

Intelligence

如何将人工智能的方法有效的应用到材料计算模拟中还需深入探索,包括描述符,机器学习数据集、算法和模型以及应用到的科学领域和具体科学问题

Visualization

科研人员希望将精力集中于如何构建初始构型、创建高效自动的科学工作流和分析高质量的计算结果
ALKEMIE用户友好的可视化操作界面,既可以使材料计算模拟的初学者快速使用,也可以使熟练掌握计算模拟的专业科研人员快速进行功能拓展

ALKEMIE已集成软件


Note:基于ALKEMIE软件全功能版本,部分模块需单独授权.

ALKEMIE 平台基本信息


18

插件

155

功能

65

用户

1292

Commit

ALKEMIE 功能特色


基于ALKEMIE软件最新版本: Alkemiems-2021.04.20.

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

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

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

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

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

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

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

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

ALKEMIE 数据库统计


12

数据库类型

10123

声子能带

统计中...

电子结构

642394

材料结构

团队成员


北京航空航天大学.

孙志梅教 授


周 健研究员


缪奶华副教授


祝令刚副研究员


Examples Of Workflows


Note:基于ALKEMIE软件全功能版本,部分模块需单独授权.

结构查询,高通量计算和数据分析工作流
高通量建模、高通量计算和高通量数据分析工作流
机器学习势函数工作流
DFT与Gibbs交互工作流
电子结构计算工作流
OpenPhase算例工作流
正在添加中...