传统的润滑油设计是通过物理化学知识和经验直觉进行分子结构设计，然后合成分子，最后验证各项性能。这一研发范式周期长、耗资大、成功率低。分子动力学模拟和人工智能为润滑油设计提供了新工具。对于润滑油的基础物性参数，如粘度、倾点、饱和蒸汽压、热稳定性等可以在分子动力学模拟的典型尺度（纳秒和纳米尺度）下得到。这是润滑油材料性能参数特有的尺度非依赖性。特别的，分子动力学模拟可以进行大规模高通量计算，因此可以在短时间内获得大量分子结构对应油品的性质。分子动力学模拟结果与实验结果之间存在一个系统误差和可接受的随机误差。系统误差可以通过简单的线性回归进行消除，而直接修正计算结果。因此分子动力学模拟的工程化应用在润滑油领域最有希望率先取得突破。同时，分子动力学模拟可以得到润滑油分子结构对应性质参数的原子尺度机理。高通量分子动力学模拟可以迅速生产大规模高质量的润滑油材料数据，解决人工智能在材料设计领域的数据稀缺瓶颈。利用人工智能性质预测可进一步探索化学空间，筛选高性能分子结构。报告介绍了分子动力学模拟和人工智能在基础油和添加剂性质计算和分子结构设计方面的应用。

基础油,添加剂,人工智能,新范式,分子动力学模拟