中南大学张利军、刘祖铭APM: 一种新型机器学习加速的分布式任务管理系统(Malac-Distmas) 及其在高通量CALPHAD计算中的应用

第一作者：高建宝

通讯作者：张利军*，刘祖铭**

单位：中南大学

01 研究背景

CALPHAD (CALculation of PHAse Diagrams) 计算作为集成计算材料工程和材料基因工程的重要组成，可用于高性能合金的高效设计，极大地缩短其研发时间和研发成本。当前，CALPHAD方法已成功应用于超高强不锈钢、高性能铝合金、镁合金、高熵合金、高温合金等不同合金的高效设计。为了进一步有效探索多元合金体系中更加宽广的成分和微观结构空间，进行高通量CALPHAD计算是必不可少的。然而，目前的CALPHAD 软件仅支持随单一变量或双变量变化的小批量计算技术，且程序异常处理机制不完善，大规模的计算结果后处理困难。因此，开发高效的随多变量变化高通量计算技术和数据管理至关重要。

02 文章简介

近日，来自中南大学的张利军教授、刘祖铭教授与华中科技大学宋波教授合作，在Advanced Powder Materials上发表题为“A machine learning accelerated distributed task management system (Malac-Distmas) and its application in high-throughput CALPHAD computations aiming at efficient alloy design”的文章。该文章开发了一种新型机器学习加速的分布式任务管理系统 (Malac-Distmas)，能耦合SQL驱动的数据库引擎实现高效数据管理，并通过耦合不同的CALPHAD软件实现了高通量CALPHAD 计算，为高效的合金设计奠定了基础。

03 本文要点

要点一：采用分布式任务管理系统，结合SQL驱动的数据库引擎和计算软件实现高通量CALPHAD计算

图1. 典型分布式计算的示意图

要点二：通过机器学习(人工神经网络)增密计算来进一步提高高通量计算效率

图2. 人工神经网络进行数据增密的示意图

图3. 机器学习加速分布式任务管理系统 (Malac-Distmas)的框架图

要点三：通过Malac-Distmas耦合各种CALPHAD软件，开展了吉布斯自由能、相图、希尔凝固模拟、热力学性质图、各种热物理性质、扩散模拟和时效析出过程模拟的高通量计算/模拟。计算/模拟结果存储在SQLite格式的数据库中，减小存储空间，便于后续提取和处理。

图4. 耦合Malac-Distmas和各种CALPHAD软件实现热力学、动力学和热物理特性的高通量计算/模拟展示

04 结论

这项工作开发了一个机器学习加速的分布式任务管理系统（Malac-Distmas），该系统与SQL驱动的数据库引擎和CALPHAD软件相结合，实现了热力学、动力学和热物理特性的高通量计算/模拟。此外，在Malac-Distmas中嵌入了机器学习，用于增密输出数据，减少了计算量和存储量，从而进一步加速高通量计算。

该工作为实现高通量计算和数据存储提供了一个有效的策略。Malac-Distmas并不局限于实现热力学、动力学和热物理性质的高通量计算，还能与任何提供外接调用的计算软件/代码进行耦合，实现不同类型的高通量计算/模拟。

05 通讯作者简介

张利军，博士，中南大学教授，博士生导师，德国“洪堡学者”、湖南省湖湘青年英才、湖南省杰出青年基金获得者。主要从事计算热、动力学及其驱动的材料设计与制备领域研究工作。近年来主持国家级研究项目15项，省、校级和企业横向课题10余项。累计在npj Computational Materials、Acta Materialia等40余种材料领域期刊上发表第一/通讯作者论文120余篇，在国际会议上做大会邀请/口头报告30余次，组织/共同组织重要国际会议3次、国内会议5次。作为主编在瑞士出版专著1本，出版专著章节3部。已授权中国发明专利2项、中国软件著作权2项。

刘祖铭，博士，中南大学教授，博士生导师，中国大百科全书（第三版）·材料卷和矿业卷编委。主要从事金属增材制造、航空航天用轻质高强结构材料研究和飞机结构腐蚀损伤研究。研发了无裂纹镍基高温合金和超强高导铜合金激光增材制造技术，多尺度纳米氧化物弥散强化铁基合金制备技术，铝基非晶态合金外场干预凝固新技术。提出的飞机腐蚀控制系统设计和结构相容性设计思路，解决了飞机结构异电位材料连接耦合化学力学损伤问题，建立了完整的飞机腐蚀控制体系。相关研究成果在Applied Physics Letters 等刊物发表论文、撰写型号技术文件100多篇/份，出版专著多部，申请/授权发明专利70多项，其中PCT/美国发明专利13项，研究成果应用于多种型号飞行器，获航空科学技术奖4项。

欢迎咨询：lijun.zhang@csu.edu.cn；lzm@csu.edu.cn

06 文章信息

Jianbao Gao, Jing Zhong, Guangchen Liu, Shenglan Yang, Bo Song, Lijun Zhang, Zuming Liu. A machine learning accelerated distributed task management system (Malac-Distmas) and its application in high-throughput CALPHAD computations aiming at efficient alloy design [J]. Advanced Powder Materials. DOI: 10.1016/j.apmate.2021.09.005

07 期刊信息