當前行業(yè)普遍以AI為核心引擎，追求“大尺度、高效率”的泛化應用。鴻之微科技始終錨定物理第一性原理，以底層理論為根基，打造自主可控的高性能材料研發(fā)平臺。作為材料基因工程與Physics AI材料智能研發(fā)體系的核心底座，國產(chǎn)自主可控的高性能材料研發(fā)平臺已成為支撐新能源、半導體、航空航天等關(guān)鍵領域創(chuàng)新的重要基礎設施。

依托國家高性能材料計算專項支持，由國內(nèi)頂尖高校、科研院所與企業(yè)聯(lián)合研發(fā)的MATS（Machine learning Accelerate Toolkit for material Simulation）材料計算軟件正式面向行業(yè)推出。鴻之微科技作為聯(lián)合研發(fā)單位，深度參與技術(shù)研發(fā)、工程化與產(chǎn)業(yè)化落地，推動國家級科研成果轉(zhuǎn)化為可規(guī)?；瘧谩?/p>

MATS由湖南大學、吉林大學、北京科技大學、山東省計算中心（國家超級計算濟南中心）、西北工業(yè)大學、國超（西安）計算技術(shù)有限公司、西部超導材料科技股份有限公司、鴻之微科技（上海）股份有限公司等單位聯(lián)合攻關(guān)完成。

MATS

材料計算軟件

MATS(Machine learning Accelerate Toolkit for material Simulation，簡稱MATS)是面向新一代國超算的國產(chǎn)自主研發(fā)的材料計算軟件，集成了第一性原理計算、機器學習勢與分子動力學模擬三大核心功能，MATS致力于打造多尺度、高精度、速度快的材料模擬軟件，為材料科學研究與工業(yè)應用提供從原子級到微觀尺度的跨尺度模擬解決方案。

MATS由三個相互協(xié)作的核心模塊構(gòu)成：第一性原理計算負責提供高精度電子結(jié)構(gòu)信息，同時結(jié)合經(jīng)驗勢模型與實驗數(shù)據(jù)，開發(fā)了數(shù)據(jù)集準備的多源數(shù)據(jù)融合技術(shù)，研發(fā)了勢函數(shù)自動化構(gòu)建方法與軟件；分子動力學模擬模塊則基于訓練好的勢函數(shù)執(zhí)行大規(guī)模、長時尺度的材料行為模擬。三個模塊之間形成了“數(shù)據(jù)生成—模型訓練—規(guī)模模擬”的完整閉環(huán)，用戶無需在多個獨立軟件之間切換，大幅提升了研究效率。

一、技術(shù)原理與創(chuàng)新

軟件架構(gòu)圖

1.1 核心功能

第一性原理計算（MATS-DFT）是MATS的基石模塊，基于密度泛函理論（DFT）提供原子級材料模擬的高精度計算能力。該模塊支持自洽場計算獲取體系基態(tài)性質(zhì)，支持結(jié)構(gòu)優(yōu)化確定材料的穩(wěn)定構(gòu)型，支持能帶計算和態(tài)密度分析用于電子結(jié)構(gòu)研究。特別地，MATS提供了雜化泛函計算功能，能夠修正傳統(tǒng)泛函對半導體帶隙的系統(tǒng)性低估，使計算結(jié)果與實驗值更加吻合。此外，該模塊還支持從頭算分子動力學（AIMD）和機器學習分子動力學（MLMD），可以在量子力學精度下研究材料在溫度、壓力等條件下的動態(tài)演化行為。針對新一代國產(chǎn)超算平臺，MATS-DFT開展了底層代碼優(yōu)化，實現(xiàn)了在神威系列超算上的高效并行，兼顧高精度與高性能的雙重優(yōu)勢。

機器學習勢自動化訓練與評價（MATS-MLP）是MATS的智能化核心，它將耗時的第一性原理計算轉(zhuǎn)化為具有高精度高效率的機器學習勢函數(shù)。MATS提供從訓練數(shù)據(jù)生成到模型訓練與驗證的完整自動化流程：系統(tǒng)可從Materials Project材料數(shù)據(jù)庫自動獲取初始晶體結(jié)構(gòu)，還可以自主自動化產(chǎn)生訓練集，并基于MATS-DFT開展數(shù)據(jù)標定，通過晶格形變、體積變化、原子微擾等策略生成多樣化的結(jié)構(gòu)樣本，自動完成第一性原理計算的輸入文件設置、作業(yè)腳本生成與結(jié)果提取，最終訓練出能夠精確描述原子間相互作用的神經(jīng)網(wǎng)絡勢函數(shù)。這一自動化流程大幅降低了機器學習勢函數(shù)的開發(fā)門檻，使研究者能夠?qū)Ｗ⒂诳茖W問題本身而非繁瑣的數(shù)據(jù)處理工作。勢函數(shù)構(gòu)建完成后，系統(tǒng)還提供勢函數(shù)性能評價的自動化檢驗功能，確保模型精度可靠。

分子動力學模擬（MATS-MD）賦予MATS探索介觀與微觀尺度材料行為的能力。得益于高效的高性能計算架構(gòu)和先進的勢函數(shù)模型，MATS支持億級原子規(guī)模的大體系模擬，可用于研究材料的擴散、相變、缺陷演化等長程時空動力學過程。針對核材料領域的特殊需求，MATS實現(xiàn)了級聯(lián)碰撞模擬功能，能夠模擬中子輻照導致的原子級損傷過程——從初始碰撞原子（PKA）的產(chǎn)生，到級聯(lián)碰撞的演化，再到最終缺陷簇的形成。軟件內(nèi)置的變時間步長算法確保了在碰撞初期精細模擬的同時，體系穩(wěn)定后能夠高效地完成長時間尺度的計算。

1.2技術(shù)架構(gòu)與核心優(yōu)勢

與市場上需要頻繁切換獨立軟件的傳統(tǒng)“碎片化”研究模式不同，MATS的核心差異化優(yōu)勢在于其真正實現(xiàn)了從第一性原理到分子動力學的全流程一體化與智能化。這一獨特價值的背后，源于MATS在三大核心計算模塊中深厚的原創(chuàng)技術(shù)積累與底層優(yōu)化。在第一性原理計算方面，作為整個工作流的數(shù)據(jù)基石，MATS創(chuàng)新性地引入了波函數(shù)投影技術(shù)，有效突破了傳統(tǒng)計算在應對大規(guī)模體系時的算力瓶頸，在顯著提升計算效率的同時保障了量子力學級別的計算精度。結(jié)合軟件提供的標準泛函與高精度雜化泛函，從源頭上確保了底層物理數(shù)據(jù)和研究結(jié)果的絕對可靠性。

此外，在機器學習勢函數(shù)的自動化構(gòu)建上，MATS針對模型訓練的技術(shù)痛點，采用了原創(chuàng)的注意力耦合神經(jīng)網(wǎng)絡（ACNN）核心算法。該算法將深度學習中的注意力機制應用于原子間勢能描述，能夠自適應捕捉不同原子環(huán)境的貢獻；同時，系統(tǒng)打通了包含能量、力、應力等多維度自動驗證的訓練閉環(huán)，徹底免去了繁瑣的參數(shù)調(diào)試過程，大幅降低了勢函數(shù)開發(fā)的復雜度。在分子動力學模擬層面，為了應對億級原子規(guī)模與長時尺度的復雜模擬需求，MATS開發(fā)了高效的變時間步長算法。更重要的是，該模塊在底層架構(gòu)上深度貼合新一代國產(chǎn)超算（如神威系列）的異構(gòu)特性進行了代碼級優(yōu)化，實現(xiàn)了極高的并行計算效率，為超大規(guī)模材料演化模擬提供了堅實的算力和硬件保障。

二、技術(shù)架構(gòu)

MATS采用模塊化的軟件架構(gòu)，各功能組件既可以協(xié)同工作形成完整的研究鏈條，也可以根據(jù)實際需求獨立使用。核心計算引擎由C++實現(xiàn)，充分利用現(xiàn)代處理器的向量化和多核并行能力，確保在大規(guī)模計算任務中的高效率。機器學習勢函數(shù)訓練框架基于Python開發(fā)，提供了簡潔易用的命令行接口和配置文件系統(tǒng)，降低了機器學習勢函數(shù)開發(fā)的技術(shù)門檻。

在部署靈活性方面，MATS支持從個人工作站到超級計算機的各類計算環(huán)境。軟件可在主流Linux發(fā)行版上編譯運行，也支持在Windows WSL環(huán)境下部署。對于大規(guī)模計算需求，MATS針對MPI并行通信進行了深度優(yōu)化，在千核規(guī)模上仍能保持超過90%的并行效率。軟件同時支持NVIDIA CUDA和AMD ROCm生態(tài)，可充分利用GPU加速計算。特別值得一提的是，MATS針對國產(chǎn)神威、曙光系列超級計算機進行了專門優(yōu)化，為國內(nèi)科研機構(gòu)提供了自主可控的選擇。

三、核心功能與應用領域

MATS的功能覆蓋了材料科學研究的主要計算需求。在電子結(jié)構(gòu)計算方面，可進行自洽場收斂、能帶結(jié)構(gòu)計算、態(tài)密度分析、電荷密度可視化等；在結(jié)構(gòu)性質(zhì)方面，可進行晶格常數(shù)優(yōu)化、原子受力計算、應力張量分析；在動態(tài)過程方面，可進行分子動力學模擬、晶格動力學計算（聲子譜）、熱力學性質(zhì)評估；在特殊應用方面，可進行級聯(lián)碰撞模擬、機器學習勢函數(shù)訓練、結(jié)構(gòu)預測輔助等。

這些功能支撐著廣泛的應用場景。在高性能航空材料領域，可用于研究NiCrFeAlP高溫合金、ZrO?-Yb?O?熱障涂層以及TiMoAlVCrNb高強鈦合金的熱力學和動力學性質(zhì)，幫助研究者準確預測材料的性質(zhì)與性能，并闡明其中的構(gòu)效關(guān)系，從而為高溫合金葉片等材料的設計與優(yōu)化提供流程框架。在能源材料領域，可針對電子化合物合成氨熱催化材料、反應堆用YH和TiAlVZrC、以及電池電極材料六方MAB進行微觀反應動力學研究與構(gòu)效關(guān)系分析；同時，還能支持電催化反應催化材料的設計，提供合金催化劑反應動力學的預測技術(shù)。在半導體材料領域，能夠?qū)^渡金屬硫化物（光電器件）和熱電材料Ag?S進行性能模擬，揭示其內(nèi)在的構(gòu)效關(guān)系；此外，針對聚合物給體-小分子受體材料，可有效實現(xiàn)給體和受體材料組合的熱力學性質(zhì)預測。

四、行業(yè)解決方案與案例

本節(jié)以具體研究案例說明MATS在多尺度模擬中的落地能力，與上一節(jié)應用場景形成互補：側(cè)重展示從數(shù)據(jù)生成、勢函數(shù)訓練到大規(guī)模分子動力學與微觀機理分析的完整鏈條。

案例一：NiCrFeAlP高溫合金晶界偏析模擬。針對該高熵體系，團隊基于多樣化結(jié)構(gòu)樣本（完美晶體、應變與微擾構(gòu)型、不同溫度下的AIMD快照等）訓練機器學習勢，并結(jié)合SOAP描述符與t-SNE可視化檢視訓練集覆蓋與能量分布。在此基礎上開展高溫（如1000 K）多晶體系的偏析動力學模擬，定量刻畫磷在晶界處的富集行為，計算多晶晶界位點的偏析能分布，并對比偏析結(jié)構(gòu)與隨機結(jié)構(gòu)下的局域原子排列及位錯網(wǎng)絡差異，為理解微量元素對力學穩(wěn)定性的影響提供原子級依據(jù)。

圖：高溫合金晶界偏析模擬

案例二：Ag2S熱電材料的機器學習勢開發(fā)及應用。面向α-Ag2S，構(gòu)建機器學習勢并用于大規(guī)模分子動力學，系統(tǒng)考察滑移能、應力—應變響應及剪切變形過程中微扭折、剪切帶胚胎與剪切帶演化等非均勻塑性特征；結(jié)合不同溫度下的結(jié)構(gòu)演化與徑向分布函數(shù)，驗證勢函數(shù)對熔化—冷卻過程結(jié)構(gòu)變化的再現(xiàn)能力。研究表明，大應變下剪切/扭折帶區(qū)域發(fā)生不同程度的非晶化，S骨架承擔載荷并與非晶化區(qū)域協(xié)同支撐大變形；晶格取向分析進一步揭示塑性變形與內(nèi)嵌BCC-S子晶格滑移系激活相關(guān)，從微觀機理上闡釋了該超離子導體類金屬塑性的來源。

圖：Ag2S熱電材料機器學習勢函數(shù)開發(fā)及應用

五、授權(quán)與服務

在2028年12月31日之前，MATS學術(shù)版免費試用。

鴻之微科技× MATS：Physics AI賦能材料基因工程

MATS的發(fā)布，進一步完善了鴻之微科技從電子結(jié)構(gòu)→多尺度仿真→高通量篩選→實驗驗證的全鏈條材料研發(fā)能力，讓國家級科研成果真正轉(zhuǎn)化為產(chǎn)業(yè)創(chuàng)新的生產(chǎn)力，為新能源、半導體、航空航天等國家戰(zhàn)略領域提供自主可控、高精度、高效率的底層計算支撐，加速材料研發(fā)范式變革。

未來，鴻之微科技將持續(xù)推動MATS的產(chǎn)品化、商業(yè)化與生態(tài)化，以Physics AI重構(gòu)材料研發(fā)范式，服務全球科研與產(chǎn)業(yè)。