随着大尺度模拟、机器学习等前沿应用的兴起，分布式计算越发成为重要的计算研究手段。中心高性能计算部和温州大学研究人员合作将编码计算应用到分片量子化学领域：通过借鉴梯度编码方案，一方面解决分布式计算中的掉队节点问题；另一方面增加分布式计算的自动纠错能力，减少计算过程耗费的人力物力，以期实现自动化的容错量子化学计算。此外，团队也提出了编码复用、类QM/MM（量子力学/分子力学）分层的计算思路，能够简单有效地使用更多的计算资源在设定的容错能力上进行分布式计算。

该研究成果被《化学学报》（中国科学院4区/JCR 3区）录用，第一作者为温州大学和我中心联合培养的硕士研究生李宁，通讯作者分别为我中心马英晋副研究员与温州大学方国勇副教授。

“编码-计算-解码”的容错分布式量子化学计算

与此同时，研究团队将此计算方案同机器学习辅助的分片负载预测、动静态负载均衡、重正化激发态计算等方法相结合，初步实现了智能容错的大体系分片计算。研究团队将该方案应用到P38蛋白与配体的结合能计算、单中心或多中心激发的团簇体系计算，并使用编码计算得到的结果与真实的结果进行对比，验证此方案的准确性及其在自动化容错量子化学计算方面的应用潜力。

该研究成果作为邀请稿被Journal of Computational Chemistry（中国科学院3区/JCR 2区）录用，共同第一作者为我中心科创计划培养的北京化工大学本科生袁凯、中国科学院计算技术研究所研究生周帅，通讯作者分别为我中心马英晋副研究员与北京化工大学郭旦怀教授。

以上研究成果均得到国家自然科学基金、中国科学院先导专项、中国科学院网信专项以及中国科学院青年创新促进会和中心所级项目的支持。

基于分片负载预测、容错编码、AI辅助HPC负载均衡的大体系基态、激发态计算

相关成果：

    1.结合容错编码的量子化学分布式计算，李宁, 徐丽娜, 方国勇*, 马英晋*, 化学学报, 82, 138-145 (2024) https://sioc-journal.cn/Jwk_hxxb/EN/10.6023/A23110496.

    2.Coded Quantum Chemical Calculations with Improved Machine-Learning Models, Kai Yuan, Shuai Zhou, Ning Li, Tianyan Li, Bowen Ding*, Danhuai Guo*, Yingjin Ma*, J. Comput. Chem. accepted. https://onlinelibrary.wiley.com/journal/1096987x.

责任编辑：郎杨琴