《反应堆结构材料辐照效应高性能计算》从反应堆结构材料辐照效应的研究背景和应用需求出发，定量分析了结构材料典型多尺度模拟的计算需求，系统介绍了利用超级计算机的算力和存储优势，实现辐照效应多尺度、高保真模拟的关键技术。在介绍典型国产超级计算机系统特点的基础上，论述了微观、介观高性能计算模拟软件系统的设计、实现与应用技术，并分析了材料辐照效应计算的未来发展趋势。
更多科学出版社服务，请扫码获取。
目录
前言
第1章 反应堆结构材料辐照效应研究背景及意义 1
1.1 结构材料辐照效应研究背景 1
1.2 结构材料辐照效应多尺度计算模拟的需求与挑战 2
第2章 结构材料多尺度模拟及计算需求 6
2.1 多尺度建模与模拟技术 6
2.1.1 第一性原理计算 8
2.1.2 分子动力学方法 11
2.1.3 动力学蒙特卡罗方法 16
2.1.4 团簇动力学方法 21
2.1.5 位错动力学方法 24
2.2 结构材料多尺度模拟的计算需求 26
2.2.1 分子动力学模拟的计算需求 26
2.2.2 动力学蒙特卡罗模拟的计算需求 28
2.2.3 团簇动力学模拟的计算需求 30
第3章 结构材料多尺度计算模拟研究综述 34
3.1 欧盟相关研究 34
3.1.1 RPV系列研究 34
3.1.2 F/M钢系列研究 40
3.2 美国相关研究 42
3.2.1 CASL项目 42
3.2.2 NEAMS项目 44
3.2.3 LWRS项目 47
3.3 中国相关研究 49
3.3.1 裂变堆材料辐照效应研究 49
3.3.2 聚变堆材料辐照效应研究 52
第4章 高性能计算技术基础 57
4.1 高性能计算技术概述 57
4.1.1 高性能计算 57
4.1.2 并行计算 58
4.1.3 主流的并行编程模型 58
4.1.4 超级计算机的发展 62
4.2 典型超级计算机架构 64
4.2.1 神威E级超算系统架构及编程方法 64
4.2.2 曙光E级超算系统架构及编程方法 68
4.2.3 天河E级超算系统架构及编程方法 73
4.2.4 国产E级超算的对比 77
4.3 本章小结 77
第5章 大规模并行分子动力学模拟及实现 79
5.1 大规模并行分子动力学模拟技术 79
5.1.1 分子动力学基本计算流程 79
5.1.2 分子动力学粒子存储数据结构 81
5.1.3 大规模分子动力学模拟软件简介 83
5.1.4 分子动力学中的级联碰撞模拟 85
5.2 MISA-MD：大规模并行分子动力学模拟软件 86
5.2.1 MISA-MD软件架构及组成 86
5.2.2 MISA-MD粒子存储数据结构 87
5.2.3 面向国产超算的MISA-MD程序性能优化 90
5.2.4 MISA-MD与LAMMPS的功能和性能对比 92
5.2.5 MISA-MD软件性能 94
5.3 本章小结 95
第6章 大规模并行动力学蒙特卡罗模拟及实现 96
6.1 大规模并行动力学蒙特卡罗模拟技术 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速率计算与事件选择算法 103
6.1.5 KMC并行软件介绍 103
6.2 MISA-AKMC：大规模并行动力学蒙特卡罗模拟软件 104
6.2.1 MISA-AKMC并行KMC框架 105
6.2.2 MISA-AKMC核心数据结构表示 107
6.2.3 MISA-AKMC应用 108
6.3 本章小结 109
第7章 大规模并行团簇动力学模拟及实现 111
7.1 团簇动力学的数值解法 111
7.1.1 分组方法 112
7.1.2 Fokker-Planck方法 115
7.1.3 随机方法 116
7.1.4 杂化方法 118
7.2 空间关联团簇动力学的相关研究 122
7.3 SUMMER-CD：空间关联的并行团簇动力学模拟软件 123
7.3.1 软件架构 124
7.3.2 软件实现 125
7.3.3 模拟结果与性能测试 130
7.4 MISA-SCD：大规模并行随机团簇动力学模拟软件 132
7.4.1 MISA-SCD模型构建 133
7.4.2 并行算法 137
7.4.3 软件实现 138
7.4.4 正确性验证 143
7.4.5 性能分析 145
7.5 MISA-SCD应用实例 149
7.5.1 RPV钢模型合金中富Cu团簇析出模拟：允许的缺陷和反应 149
7.5.2 电子辐照Fe-1.34at.%Cu中Cu析出模拟 150
7.5.3 中子辐照Fe-0.3at.%Cu中的Cu析出模拟 151
7.6 本章小结 152
第8章 结构材料数值计算大数据智能分析技术 154
8.1 数值计算大数据 154
8.2 材料辐照效应计算模拟中的机器学习技术 156
8.2.1 机器学习原理 156
8.2.2 材料领域常用机器学习算法及模型 157
8.2.3 机器学习在材料辐照效应计算领域的应用 158
8.3 数值计算大数据智能处理技术 160
8.3.1 数据驱动的建模优化方法 160
8.3.2 基于数据挖掘分析的科学发现 161
8.3.3 数值计算大数据智能处理技术难点及挑战 162
8.4 材料数值计算大数据的应用实例 163
8.4.1 基于xgboost算法的Frenkel缺陷对数预测 163
8.4.2 基于并查集算法的级联碰撞团簇划分方法 164
8.4.3 基于聚类算法的KMC长程演化类环状原子簇发现 166
8.4.4 基于神经网络的势函数模型AIPM 167
8.5 本章小结 169
第9章 结构材料多尺度耦合模拟平台PRIME 170
9.1 PRIME平台概述 170
9.2 PRIME平台实现 171
9.2.1 PRIME平台框架 171
9.2.2 PRIME平台数据库实现 173
9.2.3 模拟大数据存储体系 177
9.2.4 平台功能流程及开发实现 177
9.2.5 多软件间耦合模拟实现 181
9.3 PRIME平台应用实例 182
9.3.1 SCD和DD耦合的Fe-Cu合金热老化模拟 183
9.3.2 RPV钢辐照硬化和脆化预测 184
9.3.3 平台数据转换为IAEA级联数据库格式 186
9.4 本章小结 187
第10章 材料辐照效应计算的未来发展趋势 188
参考文献 193
书单推荐
