【直播】【AI助力能源材料计算模拟设计系列讲座】基于物理的机器学习算法设计与在新材料的发现、理解、设计中的应用
直播二维码
由深势科技主办的AI助力能源材料计算模拟设计系列讲座，将于北京时间11月6日（本周六）上午11:00开始。本周讲座由MIT CSAIL博士后谢天主讲，报告将介绍根据材料对称性设计的专用图神经网络、无监督学习图神经网络等一系列机器学习算法创新，并介绍它们在新材料的发现、理解、设计中的应用。
讲座题目
基于物理的机器学习算法设计与在新材料的发现、理解、设计中的应用
讲座时间
北京时间 11月6日 11:00 am
内容提要
现有的新材料发现流程在很大程度上基于材料科学家的直觉和相对小规模的理论计算。如何通过设计新的机器学习算法来改进这个流程，并且更好地利用大规模的理论计算和实验数据？本报告将介绍一系列机器学习算法的创新和它们在新材料的发现、理解、设计中的应用。首先，我们利用材料的对称性来设计其专用的图神经网络，并将算法应用于多种新材料的发现与实验验证的研究。其次，我们发展了一种无监督学习的图神经网络算法来学习复杂材料中原子的的动态过程。这项研究被用于理解锂离子在高分子电解质的输运过程。最后，我将介绍我们在新材料逆向设计算法的研究。
讲座嘉宾
谢天，麻省理工人工智能实验室（MIT CSAIL）博士后，合作导师Tommi Jaakkola, Regina Barzilay。2015年本科毕业于北京大学化学与分子工程学院，2020年博士毕业于麻省理工材料科学与工程系，导师为 Jeffrey Grossman。博士期间曾在DeepMind, Google X实习。他的研究兴趣包括基于物理的机器学习算法设计以及其在可再生能源等领域的应用。他曾以第一作者身份在Physical Review Letters, Nature Communications等期刊发表多篇学术论文。他的CGCNN算法被广泛用于新材料的高通量筛选，并且成功在实验上发现了包括热电材料等多领域的新材料。
系列讲座
11月6日 11:00 am/ 本周六
基于物理的机器学习算法设计与在新材料的发现、理解、设计中的应用
谢天，麻省理工学院CSAIL 博士后
11月13日 11:00 am
用于锂金属电池的木质固体电解质：原子结构和快速离子传输机制
吴其胜，布朗大学高级研究助理
11月20日 11:00 am
用分子搭乐高：共聚物的结构如何影响锂离子的传输
邓楚婷，芝加哥大学博士生
----------------------
关于深势科技
深势科技有限公司（“深势科技”）是一家成立于2019年的科技公司，致力于以新一代分子模拟技术解决微观尺度工业设计难题。 以打造切实服务于药企、材料商和科研机构的模拟研发平台为主要业务方向，以解放研发工作者的生产力为主要业务目标。
深势科技具有强大的科研与产业落地能力。其新一代分子模拟算法在保持量子力学精度的基础上，将分子动力学的计算速度提升了至少五个数量级，且对算力的需求与体系的原子数量呈线性依赖；结合高性能计算，能够对数十亿原子规模的体系进行量子力学精度的计算模拟。团队核心成员获得2020年全球计算机高性能计算领域的最高奖项“戈登·贝尔奖”，相关工作当选2020年中国十大科技进展，以及2020年全球人工智能十大科技进展。
文章内容来源于“深势科技 DP Technology”公众号
编辑：苏苗苗
欢迎大家提供各类学术会议或学术报告信息，以便广大科研人员参与交流学习。