电子科技大学

报告摘要：

以图神经网络为代表的人工智能模型为化学、材料、物理等基础科学领域的发展提供了新的工具与研究机遇。过去十多年间，大量人工智能模型相继涌现，广泛应用于分子性质预测、材料特性分析、化学反应推演以及原子尺度材料模拟等领域。但现有模型多基于经验假设构建，缺失物理约束和数学理论支撑，难以实现系统性的性能提升；同时，其预测和模拟结果的可靠性也无法保障。本报告将介绍我在原子尺度机器学习方向的研究。首先，以机器学习势函数的设计为例，阐述原子尺度机器学习模型的系统性构建方法。继而，探讨预测结果的不确定性量化以及实现不确定性在分子动力学模拟中传播的方法。最后，讨论模型在高阶物理量（如弹性张量）预测及电池界面研究等方向的应用实践。

报告人简介：

文明健，电子科技大学基础与前沿研究院教授。于天津大学获得本科学位，美国明尼苏达大学获得博士学位，随后在劳伦斯伯克利国家实验室从事博士后研究工作。入选国家海外青年人才计划，回国前担任美国休斯敦大学化工系助理教授。主要研究方向为数据和人工智能驱动的材料设计，包括机器学习算法、不确定性量化、材料基因组、能源材料等领域的交叉研究。长期从事开源材料研究软件的开发与维护，是Materials Project和KIM Initiative的核心研发成员。研究成果发表在Nature Comput. Sci.，npj Comput. Mat.，PRB等期刊。曾主持美国自然科学基金（NSF）项目，获休斯敦大学校长前沿助理教授奖。

会议室 ：M楼238会议室

邀请人 ：刘 淼 研究员 （9407）

联系人 ：王立芬 副研究员（9963）