复旦大学计算物质科学教育部重点实验室：推动前沿模型从科研验证走向规模化应用

将哈密顿量模型转化为在线科研工具，沉淀 20 万+ 晶体电子结构数据，支撑多用户、多课题协同研究。

立即咨询

合作背景

复旦大学向红军和龚新高研究团队发布通用机器学习 Kohn-Sham 哈密顿量模型，用于电子结构预测，为提升科研效率，实验室希望将前沿模型转化为易用、可维护、可规模化使用的科研工具。

建设方案

  1. 统一科研
    算力底座

    基于 AI 一体机构建面向材料设计与高通量计算的统一在线科研平台，实现算力统一管理与灵活调度，为模型训练、推理及批量计算提供稳定高效的算力支撑。

  2. 模型应用化与
    流程标准化

    通过 d.run 模型套件将哈密顿量模型封装为可直接使用的科研应用，形成“上传结构—选择模型—配置资源—启动计算”的标准流程，降低前沿模型使用门槛。

  3. 科研数据
    沉淀与复用

    将模型计算产生的晶体结构、化学式、能带、电荷密度等结果统一沉淀，形成可持续积累、查询与复用的科研数据资产。

客户收益

  • 形成规模化
    科研数据资产

    已沉淀形成包含 20 万+ 条数据的晶体电子结构数据库，为后续研究和模型应用提供数据基础。

  • 支撑多团队
    协同科研

    通过统一在线平台和标准化实验流程，支持多用户、多课题组协同开展材料计算与研究。

  • 加快前沿模型
    科研应用

    降低复杂理论模型的使用和计算门槛，提升材料预测效率，推动科研成果进一步向实际材料研发和应用转化。