在陕西省自然科学基金项目“基于机器学习的新型多功能碳材料设计(No. 2020JM-186)”的资助下,基于第一性原理计算方法,设计高通量计算方案,采用该高通量计算方案,结合第一性原理计算,筛选出6种新型具有直接带隙的硅结构,研究中第一性原理计算工作和后续数据处理工作主要在西电超算中心完成,该成果发表于[Physical Chemistry Chemical Physics, 21 (2019) 19963-19968]。通过对已有碳结构的力学性质和电子结构进行了高通量计算,建立了碳结构性质数据库,研究中采用VASP软件对力学性质和电子结构的高通量计算工作主要在西电超算中心完成,相关成果发表于[Chinese Journal of Physics, 68 (2020) 778-787]。基于碳结构性质数据库建立机器学习模型,进而对基于calypso的结构预测流程进行了优化,使用机器学习结果代替耗时的第一性原理计算,大大提高了结构搜索效率,该成果发表于[Frontiers of Physics, 15 (2020) 63501]。以上成果均在致谢中对超算中心进行了感谢“All the authors thank the computing facilities at High Performance Computing Center of Xidian University”。