材料選用、設計與前沿
計算材料科學
計算材料科學是用電腦來設計與發現材料，而不只是待在實驗桌前——在你動手調配任何一個燒杯之前，先模擬、篩選、預測材料。就像先開飛行模擬器，再真的造飛機。
工具橫跨各種尺度。在量子尺度，密度泛函理論（DFT）計算電子與鍵結。分子動力學追蹤原子逐一如何運動。相場法與有限元素法處理顯微組織與整個零件。在這些之上，材料資訊學與機器學習在大型資料庫（如 Materials Project）上訓練，快速預測性質、從上百萬候選材料中篩選——這正是「材料基因組計畫」背後的雄心。
為什麼重要：它加速了電池、合金、催化劑的發現。誠實的提醒：模擬的好壞取決於它用的近似。DFT 出名地會把能隙算錯，機器學習模型在訓練資料之外也外推得很差。計算能引導實驗、縮小搜尋範圍，卻取代不了實驗室。
為了找新的電池正極，團隊在一夜之間對數千種候選鋰化合物跑密度泛函理論，預測每一種的電壓與穩定性，再用這些結果訓練機器學習模型，去篩選另外一百萬種。最後只有名列前茅的幾十種會真的在實驗室做出來測試——把過去數年反覆試配的功夫，變成數週的計算加上少數幾個針對性的實驗。
在電腦上模擬與篩選，把上百萬個候選材料縮到值得動手做的那幾個。
模擬的可信度不會超過它用的近似——DFT 出名地會低估能隙，機器學習模型在訓練資料之外也外推得很差——所以計算是引導實驗，而非取代實驗。
又稱
另見