材料科学作为推动工业进步和科技创新的关键领域，其发展速度和质量直接影响着社会的各个层面。随着新材料的不断涌现和材料结构的复杂化，人们迫切寻找着能够快速分析材料性质，简化科研前置工作的有效方法。

近日，「DaoCloud 道客」携手复旦大学计算物质科学教育部重点实验室、数智物理上海高校人工智能融合创新中心，通过云原生技术搭建了一个涵盖大型电子结构数据库以及通用电子结构模型在内的综合性在线平台 - AI 物质科学实验室（直接访问 http://sci-ai.cn/ 查看）。该平台将最新研究出的哈密顿量模型转化为易操作维护的智能软件应用，极大精简了科研人员在预测材料物理性质时的工作流程，相较于传统的材料预测方式，具备更小的资源占用和更快的预测速度。这一平台的出现，促进了智能化材料设计的发展，加速新材料从实验室到市场的转化过程。

访问：http://sci-ai.cn/

2024 年 2 月，复旦大学向红军和龚新高研究团队首次发布了一个名为“通用机器学习 Kohn-Sham 哈密顿量”模型的创新解决方案，以更低的计算成本和更强的扩展性实现了对周期表上所有元素电子结构的高效预测。这一模型建立了新一代电子结构计算范式，对于元素周期表上的所有元素具有广泛的适用性。为了进一步提升电子结构预测效率，实验室着手将这一理论模型转化为实用的工具。「DaoCloud 道客」基于云原生智算一体机帮助实验室打造了一个高效可靠、覆盖整个周期表的材料设计和高通量计算的开放平台。依托 d.run 算力资源管控和灵活调度能力，该平台能支持哈密顿量模型的高效运转，帮助科研人员快速完成复杂的材料计算工作，实现了计算效率和结果精度的同步优化。

在高效的资源调度基础之上，「DaoCloud 道客」基于 d.run 的模型套件工具将复杂的哈密顿量模型变成了人人触手可及的应用。基于平台上配置的标准实验环境，科研人员只需通过简单的几步操作——上传晶体结构、选择模型、配置资源、启动实验——即可快速预测出材料的能带结构和电荷密度。界面化的灵活设计和流程化的操作机制，使得这个模型不仅能用而且便捷好用，即使是对于不擅长编程的科研人员也能轻松上手，快速进行材料预测实验，这不仅将他们从繁琐的预测实验中解放出来，还为后续的材料研究提供了更为充分、精确的数据基础。该平台通过网页端登陆进行互联，支持多用户同时在线操作，能够满足多个课题组的科研需求，真正使得科研工作能随时随地进行。

平台提供了两种类型的模型：一种是适用于整个元素周期表的通用模型，用于预测任何多元素晶体的电子结构；另一种是针对特定元素的专用模型，这些模型在包含相应元素的材料预测上能够提供更为精确的预测结果。这种通用与专用模型的结合，为研究人员提供了灵活的选择，以满足不同研究需求。

在此之前，实验室已经利用电子结构大模型预测了 GNoME 晶体库中超过 20 万个稳定晶体的电子结构。这些预测结果全部存储在平台上，形成了一个丰富的数据库资源。科研人员可以在该平台上快速检索这些晶体的结构、化学式信息、能带信息和电荷密度，这改变了碎片化的实验数据管理现状，为相关材料的深入研究提供了宝贵的数据支持。

理论的突破是技术革新的基石，当前沿的理论成果转变为实用的工具时，它所带来的变革将深深影响着生产和生活方式的改变。随着合作的深入，「DaoCloud 道客」将继续与实验室携手，共同在材料科学领域创造更多的可能，推动科学研究和技术进步向更高层次发展。