摘要：全球淡水资源日趋紧张.反渗透(reverse osmosis, RO)是目前最先进的淡化技术之一,占据了50%以上淡化市场.高性能RO膜可显著提高产水效率,但其高通量的特性也导致了严重的浓差极化与膜污染等共性难题,严重制约其进一步广泛应用.因此,在传统膜组件迭代设计方法的基础上,开发更高效的优化设计方法,可加速高性能RO膜的商业化,极具研究意义.本文采用计算流体力学(computational fluid dynamics, CFD)和深度学习方法,结合超级计算,构建了多工况下基于高性能RO膜的海水淡化复杂进水通道的高维非线性传递模型:建立了RO膜组件进水通道中流体流动与盐组分传递的“多物理场全耦合高保真三维模型”;基于商业进水隔网在设计参数空间范围内进行类拉丁超立方抽样,生成726组不同工况CFD模型,并行计算规模可达2万核以上;基于数据驱动的深度学习方法,建立代理传递模型,可预测整个设计参数空间内大规模参数组合工况模型的三维局部速度、压力以及浓度分布,通过计算相对均方根误差,得到预测精度分别为93.5%、98.3%和95.1%,计算效率相比传统有限元方法提高了1~2个数量级.本文提出的高可扩展并行计算方法适用于多类型结构进水隔网的海量筛选和优化设计,为揭示RO膜组件中复杂流动与传递过程机理提供了可计算模型与数据支撑;构建的代理模型可进一步应用于工厂尺度系统设计,具有重要的研究和应用价值.

摘要：锂离子电池(lithium ion batteries,LIBs)具有高比容量和良好的循环稳定性等优点,广泛应用于动力电池和储能领域.然而正极材料理论比容量不高,传统的制备过程会带来电极电化学性能不均匀等问题,制约了LIBs的进一步发展.电极多孔结构优化设计是突破此瓶颈的一种有效方法.本文将以磷酸铁锂(LiFePO4,LFP)为正极电极,锂金属为负极的LIBs作为研究对象,建立了基于粒子Packing的活性材料球形颗粒填充模型和基于三周期极小曲面(triply periodic minimal surface,TPMS)的电极微结构三维模型;研究了电极的比表面积等特征参数对不同类型多孔结构的影响以确定代表性体积单元;建立了LFP正极的LIBs放电过程多尺度数学模型,并对恒电流密度放电过程进行数值模拟.研究表明:粒径为3200 nm的球形颗粒填充电极以5C放电倍率放电时容量减小量为47%,以1C放电倍率放电时电极表面浓度差异为66%;而4种新型TPMS电极以5C放电倍率放电时容量减小量均在1%以内,以1C放电倍率放电时电极表面浓度差异也均在1%以内,极大提升了电池的性能,且Gyroid型结构表现最优.本文对后期LIBs的优化设计具有指导意义,并提供数据和理论基础支持.

摘要：回顾了近年来在池沸腾实验过程中衍生出的三维瞬态热传导反问题和相关计算方法的研究,提出了基于制定优化问题的Tikhonov正则化法和迭代正则化法来求解相关的反问题.在对前者的研究中,一种基于模型函数策略的改进Tikhonov正则化法被开发和用于快速估算最优正则化参数,从而加速整个反问题求解过程.对于后者,针对工程上可获得的高分辨率测量数据与有限微热电偶测量数据两种情况,开发了基于共轭梯度法的迭代正则化策略对相关反问题进行求解.近期,针对使用薄加热箔表面这一特殊池沸腾实验提出了一种新的两步直接法.该方法不需要求解大量由偏微分方程约束的优化问题,而是通过近似重构偏微分方程模型的Dirichlet边界条件,将不适定的反问题转化为一个适定的,易于求解的正问题.这种方法在计算效率方面具有优势.此外,在数值计算方面,由于实际实验的非均匀测量配置以及待估算的表面沸腾热流密度在空间和时间尺度上具有发生快速变化的特性,提出了一种新的随时间变化的有限元网格自适应细化策略来进一步加快反问题求解过程.该策略的准确性与效率通过几个典型工程案例得到了验证.基于此,在一个实际单泡核沸腾实验中重建了环状沸腾热流密度模式,与微层理论结论一致.在另一个全阶段的沸腾实验中,使用自研提出的计算方法所估算的表面局部沸腾热流密度峰值是大多数传统研究所获得的宏观平均热流密度的数十倍,乃至近百倍,所获结果揭示了池沸腾强化传热微观上的局部动态.这些针对池沸腾中三维瞬态热传导反问题的研究工作为进一步阐明池沸腾强化传热机理,探索微纳结构等一系列高效传热器件表面沸腾传热的极限,建立精确预测沸腾全过程的数值计算模型和进行基于模型的最优实验设计提供了一些理论指导建议.

摘要：随着科学技术的发展,人们收集“大数据”的能力远远超过了分析它的能力。科学研究正经历从传统的实验观测、理论推演以及计算仿真向大数据研究转型,形成第四研究范式。材料数据信息学作为应用科学的重要分支之一,驱动着新材料的设计与发现。本文针对材料领域数据的冗余问题,提出一种基于原子间作用势的去重算法,可以有效地鉴别材料中的相同或相似结构,从而实现冗余数据的去重。实验结果表明,提出的算法与已有的材料结构去重算法相比,在准确性、鲁棒性以及计算效率各指标上均表现优异。进一步,本文利用开发的算法对材料领域三大知名数据库ICSD、CSD和COD数据库超过159万数据进行去重分析,有效地去除了101,643个相同和相似结构,并构建了开放共享的去冗余数据库,数据发布于:https://***/。

摘要：晶体结构是深入理解材料的物理及化学性质的重要信息,发展可以从理论上预测晶体结构的方法具有重要意义。通过高性能计算集群甚至利用超级计算机来加速晶体结构预测已逐步成为趋势。本文中,我们基于天河二号超级计算机开发了一套开源的晶体结构预测软件框架,命名为CSPTH。在算法层面,我们基于当前效率最高的遗传算法进行晶体结构预测,并采用了多种技术提升结构预测效率,包括并行化生成种群结构;引入空间群限定,减少自由度搜索,提升结构多样性;引入晶体指纹进行相似性算法,排除相似结构干扰,避免“基因漂变”的问题。特别地,我们针对晶体结构预测算法的应用特点以及天河二号的系统环境,从任务以及数据管理两个方面做了优化。在任务管理上,我们设计了多层任务调度管理模块,根据计算任务的规模大小的分发细粒度作业(节点内)以及粗粒度作业(跨节点),提升计算资源的高效使用;在数据管理上,我们将每个计算任务的数据都临时储存于计算节点的RAMDISK,提取有效信息后再存储于MongoDB数据库,避免大量小文件存储于公共存储。CSPTH已在15种已知一元、二元以及三元体系上进行了结构预测,实验结果表明CSPTH能根据给定的组分及外部压力条件下全部预测出相应的稳定结构。

摘要：我国在高性能计算专业人才培养方面存在短板,传统的课堂教学中理论学习居多,实践环节偏少。为提升我国高性能计算人才的培养水平,提供一个灵活可用的高性能计算教育实践平台成为一个亟待解决的问题。本文设计并实现了一个面向高性能计算的在线教育实践平台系统,包括在线课程模块、题库模块、互动社区模块、虚拟实验室模块。基于该系统,教师可以在线开展高性能计算的理论和实践教学,布置高性能计算相关作业和并行编程任务,也可以创建高性能计算题库。学生可以在线学习相关课程、提交课程作业、交流讨论、进行高性能计算编程练习。本系统的开发可以提升目前高性能计算相关课程实践教学的水平,方便同学们进行课程实践学习。

摘要：可视化与可视分析已成为众多领域中结合人类智能与机器智能协同理解、分析数据的常见手段。人工智能可以通过对大数据的学习分析提高数据质量,捕捉关键信息,并选取最有效的视觉呈现方式,从而使用户更快、更准确、更全面地从可视化中理解数据。利用人工智能方法,交互式可视化系统也能更好地学习用户习惯及用户意图,推荐符合用户需求的可视化形式、交互操作和数据特征,从而降低用户探索的学习及时间成本,提高交互分析的效率。人工智能方法在可视化中的应用受到了极大关注,产生了大量学术成果。本文从最新工作出发,探讨人工智能在可视化流程的关键步骤中的作用。包括如何智能地表示和管理数据、如何辅助用户快速创建和定制可视化、如何通过人工智能扩展交互手段及提高交互效率、如何借助人工智能辅助数据的交互分析等。具体而言,本文详细梳理每个步骤中需要完成的任务及解决思路,介绍相应的人工智能方法(如深度网络结构),并以图表数据为例介绍智能可视化与可视分析的应用,最后讨论智能可视化方法的发展趋势,展望未来的研究方向及应用场景。

摘要：针对近年国外对我国断供计算机核心软硬件、禁售基础行业仿真工具等严峻形势,文章分析了面向国产计算自主开发仿真工具的迫切需求,以及在人才队伍建设方面须克服的主要困难,设计了内容详实的在线课程,且以数值计算与工程应用为主设置课程配套实践任务。