目錄
前言
第1章　反應堆結構材料輻照效應研究背景及意義　1
1.1　結構材料輻照效應研究背景　1
1.2　結構材料輻照效應多尺度計算模擬的需求與挑戰(zhàn)　2
第2章　結構材料多尺度模擬及計算需求　6
2.1　多尺度建模與模擬技術　6
2.1.1　第一性原理計算　8
2.1.2　分子動力學方法　11
2.1.3　動力學蒙特卡羅方法　16
2.1.4　團簇動力學方法　21
2.1.5　位錯動力學方法　24
2.2　結構材料多尺度模擬的計算需求　26
2.2.1　分子動力學模擬的計算需求　26
2.2.2　動力學蒙特卡羅模擬的計算需求　28
2.2.3　團簇動力學模擬的計算需求　30
第3章　結構材料多尺度計算模擬研究綜述　34
3.1　歐盟相關研究　34
3.1.1　RPV系列研究　34
3.1.2　F/M鋼系列研究　40
3.2　美國相關研究　42
3.2.1　CASL項目　42
3.2.2　NEAMS項目　44
3.2.3　LWRS項目　47
3.3　中國相關研究　49
3.3.1　裂變堆材料輻照效應研究　49
3.3.2　聚變堆材料輻照效應研究　52
第4章　高性能計算技術基礎　57
4.1　高性能計算技術概述　57
4.1.1　高性能計算　57
4.1.2　并行計算　58
4.1.3　主流的并行編程模型　58
4.1.4　超級計算機的發(fā)展　62
4.2　典型超級計算機架構　64
4.2.1　神威E級超算系統(tǒng)架構及編程方法　64
4.2.2　曙光E級超算系統(tǒng)架構及編程方法　68
4.2.3　天河E級超算系統(tǒng)架構及編程方法　73
4.2.4　國產E級超算的對比　77
4.3　本章小結　77
第5章　大規(guī)模并行分子動力學模擬及實現(xiàn)　79
5.1　大規(guī)模并行分子動力學模擬技術　79
5.1.1　分子動力學基本計算流程　79
5.1.2　分子動力學粒子存儲數(shù)據(jù)結構　81
5.1.3　大規(guī)模分子動力學模擬軟件簡介　83
5.1.4　分子動力學中的級聯(lián)碰撞模擬　85
5.2　MISA-MD：大規(guī)模并行分子動力學模擬軟件　86
5.2.1　MISA-MD軟件架構及組成　86
5.2.2　MISA-MD粒子存儲數(shù)據(jù)結構　87
5.2.3　面向國產超算的MISA-MD程序性能優(yōu)化　90
5.2.4　MISA-MD與LAMMPS的功能和性能對比　92
5.2.5　MISA-MD軟件性能　94
5.3　本章小結　95
第6章　大規(guī)模并行動力學蒙特卡羅模擬及實現(xiàn)　96
6.1　大規(guī)模并行動力學蒙特卡羅模擬技術　96
6.1.1　KMC方法　96
6.1.2　并行KMC算法　97
6.1.3　SL算法的通信策略　101
6.1.4　KMC速率計算與事件選擇算法　103
6.1.5　KMC并行軟件介紹　103
6.2　MISA-AKMC：大規(guī)模并行動力學蒙特卡羅模擬軟件　104
6.2.1　MISA-AKMC并行KMC框架　105
6.2.2　MISA-AKMC核心數(shù)據(jù)結構表示　107
6.2.3　MISA-AKMC應用　108
6.3　本章小結　109
第7章　大規(guī)模并行團簇動力學模擬及實現(xiàn)　111
7.1　團簇動力學的數(shù)值解法　111
7.1.1　分組方法　112
7.1.2　Fokker-Planck方法　115
7.1.3　隨機方法　116
7.1.4　雜化方法　118
7.2　空間關聯(lián)團簇動力學的相關研究　122
7.3　SUMMER-CD：空間關聯(lián)的并行團簇動力學模擬軟件　123
7.3.1　軟件架構　124
7.3.2　軟件實現(xiàn)　125
7.3.3　模擬結果與性能測試　130
7.4　MISA-SCD：大規(guī)模并行隨機團簇動力學模擬軟件　132
7.4.1　MISA-SCD模型構建　133
7.4.2　并行算法　137
7.4.3　軟件實現(xiàn)　138
7.4.4　正確性驗證　143
7.4.5　性能分析　145
7.5　MISA-SCD應用實例　149
7.5.1　RPV鋼模型合金中富Cu團簇析出模擬：允許的缺陷和反應　149
7.5.2　電子輻照Fe-1.34at.%Cu中Cu析出模擬　150
7.5.3　中子輻照Fe-0.3at.%Cu中的Cu析出模擬　151
7.6　本章小結　152
第8章　結構材料數(shù)值計算大數(shù)據(jù)智能分析技術　154
8.1　數(shù)值計算大數(shù)據(jù)　154
8.2　材料輻照效應計算模擬中的機器學習技術　156
8.2.1　機器學習原理　156
8.2.2　材料領域常用機器學習算法及模型　157
8.2.3　機器學習在材料輻照效應計算領域的應用　158
8.3　數(shù)值計算大數(shù)據(jù)智能處理技術　160
8.3.1　數(shù)據(jù)驅動的建模優(yōu)化方法　160
8.3.2　基于數(shù)據(jù)挖掘分析的科學發(fā)現(xiàn)　161
8.3.3　數(shù)值計算大數(shù)據(jù)智能處理技術難點及挑戰(zhàn)　162
8.4　材料數(shù)值計算大數(shù)據(jù)的應用實例　163
8.4.1　基于xgboost算法的Frenkel缺陷對數(shù)預測　163
8.4.2　基于并查集算法的級聯(lián)碰撞團簇劃分方法　164
8.4.3　基于聚類算法的KMC長程演化類環(huán)狀原子簇發(fā)現(xiàn)　166
8.4.4　基于神經(jīng)網(wǎng)絡的勢函數(shù)模型AIPM　167
8.5　本章小結　169
第9章　結構材料多尺度耦合模擬平臺PRIME　170
9.1　PRIME平臺概述　170
9.2　PRIME平臺實現(xiàn)　171
9.2.1　PRIME平臺框架　171
9.2.2　PRIME平臺數(shù)據(jù)庫實現(xiàn)　173
9.2.3　模擬大數(shù)據(jù)存儲體系　177
9.2.4　平臺功能流程及開發(fā)實現(xiàn)　177
9.2.5　多軟件間耦合模擬實現(xiàn)　181
9.3　PRIME平臺應用實例　182
9.3.1　SCD和DD耦合的Fe-Cu合金熱老化模擬　183
9.3.2　RPV鋼輻照硬化和脆化預測　184
9.3.3　平臺數(shù)據(jù)轉換為IAEA級聯(lián)數(shù)據(jù)庫格式　186
9.4　本章小結　187
第10章　材料輻照效應計算的未來發(fā)展趨勢　188
參考文獻　193