新材料的设计和研发越来越依赖超算，材料的模拟计算已经成为超级计算主要应用领域之一。材料的组成、结构、性能、服役性能是材料研究的四大要素。但是，随着对材料性能的要求不断的提高，材料学研究对象的空间尺度在不断变小。由于材料是一个复杂的高维多尺度耦合系统，现有的基础理论还不能准确地描述材料成分—组织/结构—性能—服役行为的构效关系，一些深层次的机理还不清楚，导致材料研发长期基于经验，依靠“试错法”推进。随着计算机的发展和计算能力的提高，计算材料学快速兴起，推动了材料研发由“经验+试错”的模式向计算驱动模式转变。计算驱动模式是现代材料研发的重要手段，可以有效提升材料研发的效率并降低研发成本。
芯研科技将传统材料学与新兴人工智能和大数据技术相融合，通过构建高通量与多尺度计算，开发基于机器学习的材料快速性能预测方法及模型，实现更高精度、更大尺度的分子层面模拟计算以及开展上万级任务并发的高通量材料筛选等工作，从而提高电子领域新材料的设计与研发。
