背景

随着全球环境保护压力的日趋增大，新能源汽车得到了极大的关注。新能源汽车的两大特点是环境污染小和效率高，必将逐步取代内燃机汽车成为商业主流。对环境没有污染，具有环保、零排放等特点，这是本身能源的竞争力优势，从技术方面来看新能源汽车与传统燃油汽车不同，新能源电动汽车的核心是三电技术，即驱动电机、动力电池和电池管理技术。其中又以动力电池为重，动力电池技术是新能源电动汽车最重要、最具竞争力的核心技术。

某全球企业电池研究院为攻克动力电池相关领域的技术难题，引进国际国内研究专家，成立了多达800人的团队。锂离子电池电解液由于成分多样化，依靠实验“试错法”需要耗费大量人力物力，且周期很长。 作为企业的“心脏”团队，拟基于“材料基因工程”思路，开发一种“材料计算、数据、AI”的数字化研发思路，以突破传统研发模式的限制。

难点和挑战

1、分子结构是材料设计计算的基础，而更快速的建立结构模型是研发效率提高的基础
2、计算软件使用复杂，需要研发人员掌握除了软件之外的前处理、后处理方法，大大拖慢了研发进程
3、结果数据不能有效保存，随着人员的调动原始数据难以查询
4、计算之后的数据得不到充分利用，如何与AI结合指导下步的研发计划是亟待解决的问题

创新解决方案与收益:

MatCloud+针对电解液成分多样化的特点，通过“高通量结构建模”智能生成不同成分电解液与不同电池材料组合的近700个候选结构，然后基于MatCloud+的高通量计算驱动引擎进行自动化筛选。将【分子枚举】、【氧化还原电位计算】、【力学性质计算】、【人工智能】深度融合，建立“电解液成分设计-性质计算-结果统计分析-新成分预测”的集成式新材料研发模式。与传统计算方式相比， MatCloud+的研发模式，可以减少人工干预90%以上，且所有的数据得到有效存储。充分实现了智能研发，为该企业将电池技术打造为世界领先水平提供了助力。

1、MatCloud+高通量结构建模，一键生成5∧4=625个候选结构

• MatCloud+针对此用户需求研发了一套批量建立不同成分电解液结构的方法—【分子枚举】，用户可以在原始分子基础上进行各种设计，一键生成625个候选结构。

• 

2、MatCloud+的高通量计算驱动引擎，将高通量计算筛选与数据分析过程简化，减少人工干预90%

• MatCloud+将用户需要的计算流程模板化，只需要拖拽模板即可进行材料模拟，计算完成之后将数据分析结果直接展示在结果页面，省去了研发人员的后处理工作。

• 

3、MatCloud+物性数据库将计算数据自动存储

• 计算完成之后的结果数据直接保存在MatCloud+的材料专用数据库中，方便用户查询和再利用，并且同一组中所有用户的数据同时保存，避免人员流动造成的数据丢失。

• 

4、人工智能助力电解液材料的研发

• MatCloud+将计算模拟与机器学习充分结合，材料物性数据库中的数据可直接用于机器学习。机器学习功能无需用户编程便可直接使用，模型好坏对比一目了然

• 
•