探索新型能源和信息材料，除了实验手段之外，还需要结合计算机模拟的方法来研究材料组份，结构和性能的关系。特别是在很多情况下（比如材料中掺杂离子和缺陷浓度很低时）和极端条件下（比如高压、高温），常规实验手段几乎失效，而计算机模拟可以充分发挥其优势。但是材料计算如何能更好地用于新材料设计以加快材料的创新，缩短研发周期，仍是一个挑战性的问题。
2011年美国”材料基因组计划”的提出, 如何通过高通量材料集成计算，整合新材料设计过程中的数据、代码、计算工具等以实现共享，从而加快新材料的研发，更是引起了业界的重视。”材料基因组计划”更是一种方法论，是典型的科研信息化（e-Science）应用与实践。核心就是两个字“集成”。 它更强调计算与数据的集成，计算数据与实验数据的集成， 高通量材料计算与多尺度模拟的集成。因此, 我们提出了”高通量材料集成计算“（Integrated High-through Computational Material）的理念，提出了面向”高通量材料集成计算“的材料设计方法。
基于密度泛函理论计算（Density Funcational Theory Calculation）、分子动力学模拟（Molecular Dynamics Simulation）、蒙特卡洛模拟（Monte Carlo Simulation）、高通量材料集成计算（High-Throughput Screening）和机器学习（Machine Learning），可以借鉴组合物理、化学和材料信息学的一些理念和思路，是一种并行、系统、反复地组合不同结构或组份的“构建单元（Building block）”，迅速得到大量化合物，从而进行高通量筛选的一种策略与方法。材料信息学（Material informatics）是”运用计算的方法来处理和解释材料科学和工程数据“，它可以与材料计算相结合，通过已知的可靠实验数据，用理论模拟去尝试尽可能多的真实或未知材料，建立其组份、结构和各种物性的数据库，通过数据挖掘探寻材料组份、结构和性能之间的关系模式，用于指导新材料设计，已成为目前国内外业界关注的热点问题之一。
