过去十年，全世界的人们对锂离子电池的追求愈发执着。

这种追求的热度有多高？

有一个数据统计显示，从 2010 年到 2020 年，全球研究人员至少贡献了 202,756 篇关于锂离子电池的论文！

在过去三十多年中，锂电池的发展可谓是突飞猛进。

自从索尼公司在 1990 年代将锂离子电池商业化以来，人们对锂电池的需求量越来越大、要求也越来越高。

从需求量上看，在特斯拉、丰田、通用等主要车企的争相推动下，2019年锂离子电池市场规模达到363.5亿美元，预计到 2027 年将达到 1159.8 亿美元，从 2020 年到 2027 年，将以 15.6% 的复合年增长率 (CAGR) 增长。

从产品要求上看，人们对电池的主要诉求一直聚焦在增加能量密度、提高充电/放电率、提高寿命（循环耐久性）、确保安全性并最大限度地降低成本和对环境造成的影响等几个方面。

人们在锂电池相关的材料研发设计上不断精益求精，但面临的困难也越来越大。

比如针对锂离子电池中的界面反应、SEI膜的形成及Li+输运等核心机理问题，虽然冷冻电镜（Cryo-EM）、原位透射电镜（ in situ TEM ）等先进表征技术也逐渐开始应用于微观反应机理问题的研究，但随着未来高能量密度锂硫电池、锂空电池和固态电池的发展，单纯的“静态”实验结果表征观测方法也在面临更大的挑战。

再比如在固态电池的研发中，针对如何准确构建晶体-非晶结构模型，进而研究Li+在非晶及晶体-非晶界面处的输运机理，学界和工业界都已经意识到，基于经验与试验的传统材料开发模式已经不能满足电池新材料的开发需求。

好消息是随着算法、算力等各种底层元素的发展，人们能拿来应用的方法也在不断涌现。

比如对上文提到的前一个难题，当传统分析方法遇到瓶颈之后，人们就开始尝试采用基于量子力学的第一性原理计算方法，发现不仅可以更方便地获取电极/电解质材料晶体结构、基态能量、离子输运等信息，还能够更加精细化动态呈现电化学反应过程。如今这一方法已经成为推进高能量密度、高功率密度和长循环寿命先进电池发展的重要手段。

针对后一个难题，人们也在传统的“试错法”之外，开始采用更高效的“高通量计算法”。从根本上讲，实现高通量离子传输性质计算是筛选具有优异的锂离子输运性质固态电解质的关键，而采用基于密度泛函理论(DFT)的量子力学计算，结合过渡态理论或分子动力学方法，可以得到能量势垒低的迁移路径。这种研究离子输运性质的高精度计算方法，就能实现大规模系统性的快速筛选和优化材料。

事实上，随着以上这些计算方法陆续出现在锂电池等诸多材料的设计研发场景中，“材料计算模拟工具软件”这类工具也已逐步走进比亚迪、宁德时代等主流工业企业，从零件到材料的建模和仿真在实现智能制造方面开始发挥越来越重要的作用；同时，材料计算作为一个新兴赛道也引起了更多投资者的关注。

（材料设计产业生态分层）

众所周知，从设计到生产工程材料（如聚合物复合材料）通常是一个非常漫长且成本巨大的过程，堪称“带着枷锁跳舞”，需要研究者反复寻找特定的微观结构以满足材料可用性、可制造性和生产成本等各种限制条件下的目标性能。

传统的方法可以简称为经验性试错法或寻宝模式，这一模式的特点是使用加工配方和可用技术进行一种“基于发现的研发”，偶然性很大。

创新的方法体现在两个层面。

其一，随着计算材料科学和纳米技术的进步，“材料设计”（ Materials by Design）用更有效和高效的“基于设计的方法”取代了“基于发现的研发”，已成为 21世纪材料科学和工程的核心范式。人们开始运用各种多尺度计算模拟软件，来发现材料、预测特性和理解现象。

20世纪60年代提出的密度泛函理论(DFT)为材料计算提供了理论路径，从80年代开始，40年来和计算机技术积极适配、已逐渐发展成熟，计算尺度和计算精度都有了长足的提升。

“材料计算已经出现较长时间，但限于算法的能力，所能计算的材料的尺度很小，几百个原子很难准确描述真正的工业场景。我们希望通过软件功能提升和算法优化将计算能力提高几个数量级，来模拟百万原子、千万原子的状态，就可以实现工业化应用。”龙讯旷腾公司总经理吕海峰说。

基于第一性原理计算，许多研究者提出了使用高通量计算筛选、识别甚至设计具有不同特性的化合物材料的方法。材料计算——尤其是基于密度泛函理论和其他从头算技术的计算——比实验更容易在不同的微尺度空间中进行操作分析。

如今，计算方法已被频繁应用于了解和预测材料的各种特性例如电导率、介电常数、极化、磁化、扩散系数、弹性模量、形成能和吸附/解吸能等；再比如涉及聚合物基体、增强剂和分子连接剂的聚合物复合材料中的界面问题，等等。

自下而上的第一性原理材料计算方法在仅需要有效的原子建模的前提下，便可以有效模拟分子运动，不仅可以让我们了解结构-性能关系，还可以选择和优化界面处的基本组件，以改善它们的特性并最大化它们的性能。

此外，为了提高计算效率，研究人员已开始使用机器学习 (ML) 来加速第一性原理分子动力学计算（AIMD）。高通量 DFT 筛选将搜索空间限定到数千种化合物。ML通过从现有数据中预测材料或特性，为 DFT提供了一种解决方案，这反过来又可以推动生成更多可用于进一步细化ML模型的数据。

（多尺度建模）

其二，在探索大量材料特性的基础上，创建可搜索的大型（公共）数据库。

在工业实践中，整个材料开发周期的限制（时间和成本），以及缺乏关于结构-性能以及加工-性能关系的完整信息，对实现“设计材料”的愿景提出了巨大挑战。

为了应对上述挑战，美国于 2011 年发起了“材料基因组计划 (MGI)”，该机构提出自己的主要任务有三点，其一是产出优质的材料性能数据；其二是将试错实验替换为建模和仿真；其三是在合成材料和进行实验之前，为材料优化问题提供潜在解决方案的存储库并提供数据搜索技术。

除了MGI，类似的还有日本的“信息集成材料研究倡议”、欧盟的新材料发现、中国的材料科学数据共享网络等等。

目前现有的比较有代表性的通用数据库正在越来越多，比如计算科学自动化交互式基础设施和数据库 (AiiDA) 平台、开放量子材料数据（OQMD）、新型材料发现 (NOMAD) 存储库、无机晶体结构数据库 (ICSD)、材料数据设施 (MDF)，等等。

这些数据库中包含数以百万计的材料特性数据，例如形成焓、电子能带结构和弹性模量，可供系统搜索。

比如由 Materials Project开发的原子图书馆，使用多个底层库来创建复杂的材料模型，管理超级计算中心的工作流程，并提供纠错功能；Materials Data Facility (MDF) 运营着两项云托管服务（数据发布和数据发现），具有促进开放数据共享、自助数据发布、管理和鼓励数据重用的功能，并配备强大的数据发现工具。

随着计算成本的降低，以这种方式快速生成可靠材料数据的能力逐年提高，应用这些技术的软件也在变得更强大。不管是高校学术研究领域还是在工业应用领域，接受度都在越来越高。

从应用领域的角度看，在成功使用这些工具软件用于高能量密度锂离子电池的阴极、阳极、电解质和膜材料，就可以将材料范围扩展到半导体、航空航天、汽车、食品、医药和化妆品材料等领域；从产品形态的角度看，打造一个强大的材料研究/计算平台（包括数据和知识资产以及材料研究的综合方法）也已经成为不少材料计算软件企业的愿景。

从全球范围内看，国外材料计算模拟软件的发展显然快于国内。

在需求侧，材料计算的价值已经得到公认，相关计算软件在中大型企业中正在普及开来。

在价值认知上，根据欧洲材料计算委员会的研究，使用材料模拟的公司，它们在计算上获得回报约为投入的 5-20倍。此外，使用材料模拟可以减少它们10~20%的研发时间，也可以降低10~20%的研发成本。

目前，世界上几乎所有与材料相关的大公司都在使用DFT计算，比如英特尔、三星、应用材料以及格罗方德等公司；陶氏化学等化工公司也使用DFT计算。这些公司在其研发部门拥有自己的计算团队，使用平面波软件进行原子尺度的计算模拟，做简单的定性分析、筛选，然后使用多种方法将模拟尺度逐步放大，最终进行实际尺度的材料计算模拟。而对于大多数材料相关的中小型公司来说，它们通常也需要第一性原理材料模拟，但它们可能缺乏内部团队来进行此类计算。这些公司多采用横向项目的形式与大学课题组合作，为它们提供计算服务。

在生物医药领域，材料计算能在新药开发全过程中起到重要作用，如分子3D结构建模、靶标识别、先导优化、药物验证、ADMET 预测、确定结构-定量关系等。可以说，将许多复杂的分子和原子水平问题通过计算机方法解决，已为药物开发行业带来重大突破；近年来，随着高通量筛选技术的发展，基于自动化的大量化合物快速筛选刺激了药物开发行业的成果增长。随着近年来药企研发投资的大量增加，预计药物发现过程中的材料计算应用将占据主要份额，分子尺度材料计算已经成为生物医药行业产业链的重要组成部分。

在供给侧，独立上市和并购整合的成功案例都在不断出现。独立上市的如几年前刚完成IPO的薛定谔公司，他们既能提供材料及生物计算软件，也提供材料模拟或生物模拟计算服务；另外，这个领域的并购交易也一直不断，尤其在最近几年，像达索、西门子、Synopsys等大厂也开始下场进行并购整合，收购量级基本保持在5-10亿美金之间。

以美国老牌的工程和材料建模软件公司MSC为例，这家公司成立于上世纪六十年代，开创了许多现在被工业界用来分析和预测应力和应变、振动和动力学、声学和热分析的技术；1983 年，公司完成上市；其后的发展中收购不断，比如2021年收购复合材料模拟领导者 e-Xstream、2015年收购金属成型和连接过程模拟领导者Simufact；直到2017年，MSC自己被知名工业软件公司Hexagon AB以8.34亿美元收购。

Hexagon AB公司认为，MSC Software作为“帮助产品制造商通过仿真软件和服务推进其工程方法的全球领导者”，可以帮助他们改进工作流上游的设计流程。

此外，西门子公司在2016年前后陆续收购了CD-adapco（9.7亿美金）、Mentor Graphics（4.5亿美金）等仿真软件公司，体现出了西门子对“数字工业企业”愿景的不断追求，致力于跨越离散和加工行业的，针对研究、开发和制造的信息学、建模和仿真。

达索系统公司则在2018年前后收购了Accelrys（7.5亿美金，现称 Biovia）、COSMOlogic等两家材料计算模拟软件公司。

其中，Accelrys公司的产品 (MS)是一款具有图形界面的第一性原理计算软件，目前在国内工业界占据了部分市场，每年软件销售估计在几亿人民币左右。但业内也有专家表示，该公司的第一性原理计算模块部分已经较为老旧，在目前的第一性原理计算形势下，学术用户已经很少使用该软件进行第一性原理计算，仅将其作为原子分子结构建模工具使用。

大厂加速并购整合与来自用户的“刚需”密切相关。

全球半导体EDA巨头Synopsys公司的研究人员曾表示，大约五到七年前，当许多半导体公司开始更密切地关注材料并开始进行材料创新和材料工程时，Synopsys也发现，当他们开始探索新材料和新设备时，却没有相关的数据。

此时也就出现了原子尺度建模发挥作用的地方。它可用于生成材料属性和特性的数据，由此工程团队可以开发新模型或校准新材料的现有模型。原子尺度建模是帮助工程团队探索新选项和新材料的关键。

也正是基于此，Synopsys公司在2017 年以 10 亿美金收购了材料原子级建模软件工具QuantumWise。

这家公司成立于 2008 年，其产品Quantum ATK是一款拥有图形界面、主要专注于半导体器件计算模拟的软件。Quantum ATK软件最初使用原子轨道基组、计算精度相对平面波基组精度偏低，近几年已同时支持平面波和原子轨道基组。在被Synopsys收购时，QuantumWise已在全球拥有 400 多家商业和学术客户。

从技术上说，QuantumWise的解决方案通过在更早期的阶段，对5nm及以上的材料、工艺、器件和电路进行协同优化来减少时间和成本。严格的材料建模使半导体制造商能够在技术研究的早期阶段（在晶圆可用之前）即可评估新材料对晶体管性能的影响。在并购之后，新的解决方案将有助于为设计-技术协同优化 (DTCO) 创建更高质量的早期工艺设计套件 (PDK)。

从Synopsys对QuantumWise的并购整合也可以看到，虽然材料计算属于设计阶段，但在开发和制造过程中，也要不断与现实数据进行交互反馈，比照现有结果微调研发设计方向。因此，在成熟的数字化材料研发体系中，材料计算在整体产业链上已经起到奠基、统摄和控制走向的核心作用！

国内在材料计算领域的供给侧和需求侧这两个方面都还相对滞后。

在需求侧，国内客户主要分为两类——高校科研院所和工业客户。

总起来看，目前国内各领域材料研发仍以实验为主，对计算模拟的认识不足、产学研严重脱节；国内企业材料计算的经费支出不足1%，百亿市场教育尚处于初级阶段，工业界增长空间极大。

虽然工业界已经意识到计算模拟的重要性，但毕竟尚处于起步阶段，在具体应用上仍存观望态度。其中原因，除了相关软件产品的性能瓶颈因素之外，主要还是因为对于很多企业来说，更关心针对当前现有产品的材料工艺优化，而不是研发全新的材料。

不过好的趋势是，随着越来越多在高校硕博阶段就开始使用计算材料模拟的学生陆续离开校园进入企业，企业界也已经慢慢开始将材料计算作为研发的必要手段并逐步提供此方向的投入。

在供给侧，业内人士的共识是这个行业“非常新、都是刚开始做”。

由于第一性计算原理计算要求创业团队对量子物理和计算机双领域的深入理解，因而行业进入壁垒较高；目前整个行业内竞争程度较低，各企业目前均处于商业模式探索阶段、共同进行市场教育。

其中，龙讯旷腾属于发展较快的一家代表性企业。基于其对自有算法软件的快速标准化和针对GPU的适配优化，该公司正在快速构建一个强大的材料研究/计算平台。

龙讯旷腾的核心产品是自主研发的一款名为“PWmat”的平面波密度泛函理论计算软件，可以用于半导体材料的能带结构、器件输运及稳定性研究、锂电池电极材料及电解液设计和优化、光催化和电催化材料设计、金属及合金材料设计及力学性质计算、热电材料性质计算，以及量子点和小分子仿真模拟，等多种场景。

PWmat采用的基于平面波基组的材料模拟方法被公认为是最准确的方法，并且应用广泛。目前有多款常用的材料模拟软件，其中最常用的是维也纳大学开发的VASP（Vienna Ab-initio Simulation Package）软件，它约占据了70%的市场份额。

与VASP相比，PWmat虽然诞生较晚，但已经在易用性、稳定性、功能性上逐渐超过前者，尤其在计算规模与速度上，计算规模比前者高一个数量级，可达5000原子；在大体系HSE计算速度上比前者要快4-10倍。

龙讯旷腾在核心算法上具备强大优势。

PWmat是第一个在GPU中实现的平面波软件，并实现了重新设计并行化方案和单/双精度混合计算等方面的算法创新。基于上述算法优化，PWmat在GPU上的速度是CPU的30倍；相比之下，其他平面波软件，例如Quantum Expresso，在GPU上仅实现了2倍的加速。另外，龙讯旷腾的机器学习力场软件包（已于2022年5月27日发布）主要用于产生可以用于经典分子动力学或者蒙特卡洛的力场，从而实现大尺度体系的分子动力学或蒙特卡洛模拟。

针对材料计算模拟软件的一些普遍性难题，龙讯旷腾提出了自己的创新解决方案。

比如在易用性方面，目前基于密度泛函的计算还不能被作为黑匣子工具使用，而需要专业知识和培训才能上手使用，由于它的内部知识壁垒高于CAD和CAE，因此很多时候需要专业技术人员来进行模拟计算；此外，在具体场景方面，材料过程（工艺过程）仍然难以模拟，这大大限制了材料模拟的使用范围。

针对第一个问题，龙讯旷腾力图让计算变得更加傻瓜化，通过开发Q-Studio和Q-Flow来实现一键式计算；通过Q-CAD平台轻松的（图形化界面操作）在主要功能模块的基础上（从 PWmat 子程序分解），采取拖拽功能模块的形式，可以构建基于量子力学计算和经典计算的混合工作流程；随着Q-CAD平台逐步成熟，工业管线(大的软件包，在给定领域有广泛应用)将以Q-CAD工作流的形式推出。

针对第二个问题，龙讯旷腾采用了PWmat+机器学习力场+分子动力学/自适应动力学蒙特卡洛的技术路线，并已经将该技术路线应用到了具体的行业应用中，例如半导体薄膜生长模拟、锂电池电解液模拟等场景。

目前，龙讯旷腾已在微电子领域与东阳光、红山微电子等企业，新材料领域与国机集团、南通瑞翔等企业，新能源领域与昆仑化学等企业达成战略合作，相关解决方案正在陆续落地。