随着功能材料在工业制造、航天等高科技领域的广泛应用,以传统材料研发模式的实验方法无法满足市场的需求。近年来,计算机科学技术和人工智能理论的迅猛发展,高通量计算材料设计方法与机器学习算法的交叉融合,在新材料的研发上取得了显著进展,加快了材料研究的步伐。然而,高通量计算和机器学习方法在实际运用过程中存在一定的门槛,如何降低高通量计算方法和机器学习在材料开发过程中的使用难度,成为材料研究需要解决的重大问题。为了解决以上问题,本论文设计实现了一种高通量材料计算与机器学习集成平台,该平台系统采用插件技术、机器学习技术和Mongo DB后台数据库,实现对材料的高效计算和数据分析,通过使用Python语言开发,该平台具有较好的移植性和通用性。首先开展对材料计算平台的实际需求分析,对平台架构进行了总体设计,将平台主要分为三大功能模块:模型构建模块、高通量计算工作流模块和机器学习模块。通过对各功能模块的调用,平台首先对本征材料模型的快速构建操作,自动生成复杂结构的模型文件,然后完成模型载入、参数配置、计算任务自动生成和数据自动处理,实现高通量材料计算工作流的快速搭建,最后对计算材料数据集进行机器学习模型训练,实现材料性质的快速预测。通过多次实际应用测试,该平台的各种功能模块都能稳定运行。本平台可以更便捷地进行高通量计算和机器学习对材料性质的预测,降低了高通量计算和机器学习的使用门槛,在一定程度上提高了新材料设计研发的效率。