制药|从群星到基因，数字“燃料”创造新知( 二 )_

为支撑智能计算数字反应堆，之江实验室规划了充足的算力设施。位于之江实验室南湖总部的计算数据中心是目前国内科研机构中规模最大、等级最高的算力中心之一。数字反应堆还将聚合智能超算、智算集群，类脑计算、图计算等算力资源，协同广域协同算力平台和超算互联网算力平台。
数字反应堆首席架构师潘爱民研究员介绍，数字反应堆本身是个极其复杂的系统，必须用系统思维的方法论进行建设。 “算力资源是强异构的，我们通过一个智能软件操作系统来有效调度和管理这些资源，并且抽象出多个引擎为领域应用，特别是人工智能应用，提供计算赋能。我们可以把所有这些算力看成一台计算机，反应堆操作系统就是这台计算机的系统软件，通过构建计算引擎，形成泛在可取的计算服务，为各领域开发应用提供计算赋能。 ”
能量裂变多领域创新发展
如同核反应堆能够以聚、裂变等形式，并通过一系列转换产生可利用能量，数字反应堆也能够通过数字“聚、裂变” ，实现智能计算在交叉领域的创新发展。
自从2011年美国启动“材料基因组计划”以来，材料学与计算机学的交叉研究逐步成为一片热土。 2016年我国将材料基因组工程与技术列入国家重点研发计划，将传统计算材料学方法与数据驱动的人工智能方法深度结合，正衍生为新兴的“智能计算材料”研究方向。
既然被称之为“材料基因组” ，难道材料内部也有类似于人类基因的东西？
材料与人类基因还是有相似之处的。人类基因中的DNA和RNA的排列决定人体的主要性能，而材料中原子的性质和排列（包括晶体结构和缺陷）决定了材料的内在性能。
在传统的材料设计方法中，需要材料设计者通过不断调整设计参数，在不同条件设置下分别进行实验，来寻找满足需求的材料设计参数。利用以深度学习为代表的人工智能技术，它能够将材料制备工艺、组分、结构和性能等大量数据汇成一块，细嚼慢咽，并高效准确地从中品出规律、价值。
“打个比方，制作一份可口的食物，调料和手法需要不断调整。数字反应堆的加入，能够根据已有菜谱，计算出我们想要的菜谱。 ”之江实验室科研发展部部长赵志峰说。
赵志峰告诉采访人员，在计算材料数字反应堆中，科学家可以根据已知实验数据，构建机器学习模型，预测某个特定设计参数下的目标“回答” 。这样在面对新的材料设计需求时，便可以借助模型预测值来搜索最优的材料设计参数，从而大大减少实际实验次数，加快材料研发速度、降低材料研发成本、提高材料设计的成功率和效率。