文章目录
1.计算材料学
Richard Lesar 教授的定义
计算材料学:基于计算机的建模和模拟来理解和预测材料的行为。
模型:模型是对真实行为的理想化描述,即基于某种经验/物理推理得出的近似描述。
模拟:模拟是对建模系统对外部刺激的反应的数值研究。
Definitions from Prof. Richard Lesar:
Model: A model is an idealization of a real behavior, i.e., an approximate description based on some sort of empirical and/or physical reasoning.
Simulation: A simulation is a numerical study of the response of a modeled system to external stimuli. One performs simulations by subjecting models to inputs and constraints that simulate real events.
Computational material science: Computer-based employment of modeling and simulation to understand and predict materials’ behaviors
Theory: Attempt to find a fundamental description of a physical process.
2.模型的定义?
1.什么是模型?
Mike Ashby(剑桥大学)的观点是:模型是一种理想化的表达方式。它与实际问题之间的关系就像伦敦地铁地图与真实地铁系统之间的关系一样:是一种粗略的简化,但捕捉到了某些关键要素。虽然地图错误地表示距离和方向,但它优雅地展示了连通性。
模型的质量和实用性是通过其捕捉问题的主导物理特征的能力来衡量的。所有成功的模型都毫不掩饰地忽略非必要的元素,以捕捉真正重要的特征。
最差的情况下,模型只是对一组数据的简明描述。而在最好的情况下,它捕捉到了问题的基本物理特性,阐明了支撑关键观察结果的原理,并能预测尚未研究的条件下的行为(数据驱动模型与物理驱动模型)。
Mike Ashby (Cambridge University):
A model is an idealization. Its relationship to the real problem is like that of the map of the London tube trains to the real tube systems: a gross simplification, but one that captures certain essentials. The map misrepresents distances and directions, but it elegantly displays the connectivity.
The quality or usefulness of a model is measured by its ability to capture the governing physical features of the problem. All successful models unashamedly distort the inessentials in order to capture the features that really matter.
At worst, a model is a concise description of a body of data. At best, it captures the essential physics of the problem, illuminates the principles that underlie the key observations, and predicts behavior under conditions which have not yet been studied (data-driven vs. physics-driven model).
4.如何更好地理解模拟?
1.什么是模拟?
- 模拟是一种科学代码,可以对无法通过分析方法求解的复杂模型进行数值求解。
- 模拟必须依赖于算法(一系列指令),但单单通过查看程序无法预测模拟的最终结果。
- 模拟可以作为模型和理论预测之间的桥梁,或者作为模型和实验结果之间的桥梁。
2.为什么进行模拟?
- 自然界的方程很少能够通过分析方法求解。使用计算机可以提供一个近似答案,并且可以达到所需的精度。
- 在计算材料学出现之前:需要使用近似方法,如理想气体、谐振晶体(harmonic crystal)等。
3.模拟的质量/可靠性取决于:
- 基础模型的有效性/相关性
- 所选数值方法的精度(通常,精度取决于可用的计算时间的多少)
4.模拟可用于:
- 求解复杂的非分析模型
- 筛选/比较不同的模型(检查其结果与实验数据是否匹配)
- 研究一些对实验来说“不可见”的体系细节,了解控制体系的物理机理是什么
- 用模拟代替体系的实验(更便宜/更快的选择)
- 推断体系对实验无法达到的新条件(高温、高压等)的反应
5.模拟的局限性
- 模拟并非现实,而只是现实的模型,应通过实验证实。
- 单纯的模拟只能提供数据,而非"解释"(这由你来完成)。
- 仅因为某事物可以计算出来,并不意味着它是有用的,或者是最佳的方法(进行测量可能更加容易、快捷和廉价)。
- 总是需要评估所使用的方法的准确性。
4.模拟与实验
1.模拟与实验的关系
模拟可以用于“筛选”不同的模型。它们扮演了测试理论的“实验”的角色。我们可以称之为“数值实验”。
2.模拟的构建
流程图
具体操作:
目标:建立一个模拟,描述材料在所关注的长度和时间尺度上的性能
1.确定问题(你想解决什么问题?)
2.模型需要哪些信息(输入),模型将导致什么结果(输出)?
3.模型将使用哪种物理机制?(最具挑战性的步骤)
4.确定合适的精度
5.构建模型,以计算机代码实现模型
6.模型进行工作模拟
7.用结果来验证模型或调整精度
5.计算模拟的发展前景
1.计算模拟应用于科学研究
设计并快速锁定候选物质
设计候选物质(如各种材料和药物),先于实验预测候选物质性能;
更快的锁定候选物质或者确切的物质。
降低实验量,研发成本
部分代替实验合成、结构分析、物性检测降低实验成本。
发展新的理论,更好地指导实验合成
更深层次理解物质的结构,解释实验现象、探究过程机理;
建立理论模型,发展新的理论。
2.全球材料研发模式的变化趋势
“试错式”的材料研发模式
经验指导实验,试错式的实验方案制定,偶然性的发现。
(很大程度上已经无法满足21世纪工业发展对新材料的需求)
“Al+物理模型+实验+数据”的材料研发模式
人工智能和物理模型结合,共同指导实验,先于实验预测材料性能,理性设计与发现。