高通量计算作为材料基因工程的三大核心要素之一，在世界范围内的难点之一是如何突破跨尺度的材料计算和设计瓶颈。针对此问题，昆明理工大学材料科学与工程学院种晓宇博士和冯晶教授联合美国宾夕法尼亚州立大学，开发了不同尺度计算参数自动传递和关联建模的算法，首次实现了通过高通量第一性原理计算耦合机器学习模型，快速而准确获取材料热力学和热物性参数并形成数据流，从而依靠相图热力学建模实现微观到宏观尺度的跨越，可对实际工程问题产生指导。该算法已集成到具有自主知识产权的“多尺度耦合热力学与热物性计算平台”（MITTCP）软件中，并用于贵金属、液态金属等新材料的研发，解决了多个行业难题，较好地推动了相关新材料和新产品的研发与应用进程，体现了材料基因工程技术的显著优势，获得了学术界和企业界的广泛好评。

上述工作的代表性成果近期发表在结构材料顶级期刊Acta Materialia（中科院双一区top期刊，论文链接：https://doi.org/10.1016/j.actamat.2021.117169）和英国物理学会旗舰期刊Journal of Physics: Condensed Matter（论文链接：https://iopscience.iop.org/article/10.1088/1361-648X/ac0195）上，同时制定了数据标准2项，申请软件著作权3项。上述工作得到国家自然科学基金重大项目、云南省重大科技专项-稀贵金属材料基因工程的资助。

图1.利用监督机器学习方法建立贵金属多元合金堆垛层错能的预测模型

（供稿：材料科学与工程学院）