摘要：以大数据分析为基础的计算材料学教学是材料教学中的重要组成部分。由于其具有数据库庞大、理论知识繁杂、模拟范围广等特点，使得基于大数据分析的计算材料学教学的开展与实施存在较大的困难。本文通过将基于大数据分析的第一性原理，分子动力学与教学实践相结合，使学生能够更加直观的从原子，分子的角度了解材料的变化。帮助学生筛选优化数据，学会理论分析的方法，掌握运用专业知识的能力，从而培养学生的科研能力和综合素质。
关键词：大数据分析；计算材料科学；第一性原理；分子动力学
1引言
大数据这个词是伴随着全球数据爆炸式增长而提出的，它主要用于描述巨大的数据库。与传统数据库相比，大数据通常包括很多非结构化数据，并且需要更多实时性的分析。同时，大数据也带给我们来了新的挑战，如何有效的组织和管理数据成为目前急需解决的难题。大数据具有大量、多样、快速、有价值等特征，这为我们的学习科研带来了极大的帮助。通过用大数据方法对材料进行研究属于计算材料学的范畴，计算材料科学是将材料科学与量子物理，力学，数学等学科相结合而形成的学科。材料的微观组织以及原子的排列顺序，晶格结构决定了材料的性能，通过了解材料从原子的排列到相的形成过程，微观组织的变化过程以及材料宏观性能与有效服役时间之间的相互关系，就可以更好的发现和制造新型材料。材料基因组计划主要通过将高效的材料理论计算与模拟工具、高通量快速的试验方法、材料性能数据库和信息学等相结合，建立高效的材料数据库。基于大数据方法的材料计算的方法主要包括第一性原理、分子动力学计算、CALPHAD方法、蒙特卡罗法、元胞自动机法和有限元分析法等。通过基于大数据分析的计算材料科学的计算模拟，可以获得材料的热力学性能、力学性能、物理化学性能、材料的结构、点缺陷和位错迁移率、晶界能和晶界移动性、析出相尺寸等性质，从而更好的了解材料。
2材料学大数据处理基础理论
基于大数据处理的计算材料学包括许多种方法，主要有第一原理、分子动力学、蒙特卡洛、元胞自动机、相场法、有限元分析等。由于学生基础知识欠缺较多且授课时间有限，以上方法不能全部应用到教学实践中。因此，根据教学课程的实际情况以及不同的计算材料方法的不同特点，本文主要研究应用广泛的第一性原理和分子动力学的教学，使学生从原子，分子角度更好的理解材料学。
2.1基于大数据分析的第一性原理方法
第一性原理计算又称为从头算法，是基于量子力学原理的大数据计算方法。第一性原理计算通常不使用经验参数，不依赖实验结果，通过空间群，电子质量，光速，质子中子质量等少数实验数据去做量子计算，通过求解薛定谔方程，从而推导出材料的热力学，电学及磁学等物理性质的方法。第一性原理方法的计算量非常大，因此很难在短时间内求解出精确解，只能借助一些近似的手段求解近似解。由于计算量的局限性，目前第一性原理计算仅适用于材料的微观尺度的计算，但第一性原理具有精确性和普适性的特点而成为目前材料学计算不可或缺的一种方法。第一性原理方法结合高通量数据和高通量性能的计算方法可以很大程度降低模拟时间，模拟过程包括动力学、结构稳定性和表面稳定性等物性特点，结合密度泛函理论的第一性原理计算方法，可以同时描绘新材料数据迁移变化，进一步获得新材料的态密度、电子能态、电荷密度等信息。根据物理性能和化学性能参数之间的联系，从理论上可以获得材料的热力参数、机械性能、光学性能、电磁性等基本物理化学参数。
2.2基于大数据分析的分子动力学
分子动力学是指将不同体系下特定的势能函数作用于由众多粒子构成的系统中，同时通过附加外界条件，如温度，压力等，对体系中的所有粒子求解牛顿方程，然后通过统计物理学的方法来得到宏观材料性质的过程。分子动力是学基于牛顿经典力学进行计算的，是一种确定的方法，通过给定粒子的初始坐标和初始速度，利用方程可以计算粒子后续每一时刻的状态。在实际计算过程中，计算机首先读取自行创建的初始体系结构，然后通过势能函数给体系中粒子施加作用力，从而计算出粒子的加速度，不断计算粒子的坐标以，速度等参量，最后通过选择不同的统计系综方法得到材料相关的热力学性质。目前，分子动力学广泛应用于固体材料的性质研究，如材料的弹性模量，热导率等计算。分子动力中分子力场优化问题是建设材料分子动力学计算平台的关键问题，解决这一问题的方法包括遗传算法和粒子群算法。遗传算法的出现成为了科学研究领域常用的优化工具，近年来，随着大数据计算的兴起，使得遗传算法在数据处理方面也得到了有效的应用。遗传算法主要包括数学基础研究，算法结构研究，基因操作研究，参数选择研究等。。
3基于大数据分析的计算材料学与教学实践的结合
基于大数据分析的计算材料学课程具有极强的实践性，能够将基础知识与材料模拟的具体模型联系在一起，从而使学生对计算材料科学产生浓厚的兴趣。通过将教学和计算材料结合，实现理论与模拟相结合的教学。在教学过程中通过设定具体的教学目标来培养学生的能力，同时与数据库筛选，结构优化，结果优化相结合，实现教学与科研的同步进行。使得学生积极融入课堂，最终取得更好的效果。
3.1基于大数据分析的第一性原理与教学实践的结合
第一性原理作为基于大数据分析的计算材料科学的一种典型方法，人们开发了许多模拟平台，如MaterialsStudio，Vasp等。通过高通量方法筛选优化计算模型，解决了材料计算过程中计算耗时的部分问题，并通过高通量的原子结构优化、电子结构优化、弹性性能算法设计，能够更加准确快速的得到模拟结果。在教学过程中通过晶胞模型的建立、晶胞与原胞的转换、电子密度、能量曲线、态密度及能带结构等，使学生快速掌握原子结构模型的建立，并与材料的基础理论相结合，取得更好的效果。
3.2基于大数据分析的分子动力学与教学实践的结合
分子动力学是材料大数据处理中又一典型方法。针对分子动力学，科学研究者们开发了很多并行化计算平台，如Lammps，Gaussian，Amber等。通过遗传算法进行分子力场优化之后进行计算，更加快速准确的得到模拟结果，然后通过可视化界面，可以直观地给学生展示温度变化过程中，分子的移动、聚集、包覆，以及在外力作用下，分子的变化过程，同时绘出能量曲线、应力应变曲线，与分子变化过程相对比，让学生更加真实的感受不同温度下，分子的运动规律，使学生对计算材料科学产生浓厚的兴趣。
4结束语
基于大数据分析的计算材料学教学是一门涵盖多种学科基础知识的综合学科，本文通过第一性原理，分子动力学，使学生从原子，分子的角度全面直观地了解材料的变化，极大地增加学生们学习的积极性与自主性。通过教学研究与材料模拟相结合，既能巩固学生的专业基础知识，又能促进理论与模拟的结合。同时可以根据教学实践的实际情况，可以对基于大数据分析的计算材料模拟进行相应拓展，加深学生对材料本质的理解。
作者:赵宇宏 杨文奎 单位:中北大学材料科学与工程学院
