pipette
ENEnglish

Trillion-scale integrated framework for high-throughput materials databases and seamless sharing

Xiaoya Huang, Yu Liu, Shuo Shi, Yuanyuan Zhang, Zengzeng Liang, Miao Zhou, Hanwei Fu, Lei Zheng, Peng Kang

Revista con revisión por paresDice ser un gran avance

En palabras de los autores

Abstract Artificial intelligence is accelerating materials discovery, yet for complex systems such as high-entropy alloys, exhaustive exploration of their immense composition spaces is computationally intractable. Here we propose an integrated framework that enables large-scale exploration with reduced resource demands. Our framework uses stateless parallel computing with message queues and containerization, and a lakehouse architecture with columnar storage and metadata-based cloud sharing. Using this framework, we constructed a ten-trillion-scale database of six-principal-element high-entropy alloys in one week, totaling 17.5 terabytes and encompassing compositions, descriptors, and predicted properties. Compared with distributed frameworks, our approach cuts runtime-memory cost by 45%, storage by 90% versus row-based formats, and accelerates subset queries up to 180 times. A full database search completes in under eight minutes using less than four gigabytes of memory. Screening over 50 billion compositions with experimental validation across two alloy families confirms the practical utility of this framework for data-driven materials discovery.

Resultado principalEl resumen no menciona limitaciones.

En palabras simples Resumen con IA

Los autores construyeron un marco de trabajo para explorar enormes cantidades de combinaciones de materiales sin necesitar una potencia computacional masiva. Su sistema usa computación en paralelo, colas de mensajes, contenerización y un diseño de lago de datos con almacenamiento columnar. Crearon una base de datos de diez billones de aleaciones de alta entropía en una semana, usando 17.5 terabytes. Su método reduce el costo de tiempo de ejecución y memoria en un 45%, el almacenamiento en un 90%, y acelera las consultas hasta 180 veces. Una búsqueda completa de la base de datos termina en menos de ocho minutos usando menos de cuatro gigabytes de memoria. Examinaron más de 50 mil millones de composiciones con validación experimental, confirmando la utilidad práctica para el descubrimiento de materiales.

Escrito por Kimi K2.5 usando solo el abstract de arriba. Jev verificó que cada oración esté respaldada por las oraciones del abstract que cita y eliminó las que no. Pasá el cursor por una oración para ver de dónde sale.

Apareció: viernes, 9 de octubre. Nature Communications. Revista con revisión por pares.

DOI: 10.1038/s41467-026-78223-3