第10期 张林峰：机器学习辅助分子与材料建模

2020年9月2日（周三）15:00-16:00
报告人：张林峰 （北京大数据研究院）

摘要： 近年来，机器学习已成为解决高维函数表示问题的一种有潜力的工具。这给了我们一个前所未有的机会来重新审视各种科学领域的理论基础，并解决那些传统方法无法处理的复杂问题。我们在多尺度分子和材料建模的背景下确定了一系列此类问题，并回顾了基于机器学习的策略，它们可在保证从头计算的精度的同时处理比传统方法大的多的问题规模。基于多电子薛定谔方程、密度泛函理论和分子动力学的例子，我将展示两个重要的原则：1）基于机器学习的模型应以忠实和自适应的方式符合物理约束；2）为了构建真正可靠的模型，需要有效的算法来搜索相关的物理空间和制备最优化的训练数据集。最后，我将介绍我们在开发相关软件包和高性能计算方案方面所做的努力，这些软件包和高性能计算方案目前已在世界范围内被分子和材料模拟界的专家和实践者广泛使用。

报告人简介：张林峰暂任北京大数据研究所研究科学家。他2020年5月毕业于普林斯顿大学应用与计算数学（PACM）项目，师从Roberto Car和鄂维南教授。张林峰一直致力于开发基于机器学习的电子结构、分子动力学物理模型以及增强采样方法。他是DeePMD-kit--的主要开发者之一。DeePMD-kit是一个非常流行的基于机器学习的开源软件，应用于物理、化学和材料科学中的分子模拟。

参加方式：
讲座以线上形式进行，采用“腾讯会议”软件，请参加人员提前下载安装并熟悉软件。
 

会议ID: 212 522 250（300人）

会议密码: 0902

直播链接:  https://meeting.tencent.com/l/PAcu1r4To1W1

点击观看报告视频►  机器学习辅助分子与材料建模