北京大学

报告摘要:

第一性原理电子结构计算是研究凝聚态、材料和分子体系的重要工具。量子蒙特卡洛计算是目前最准确的电子结构计算方法之一。量子蒙特卡洛的计算结果不但可以提供其他理论和计算方法所不能给出的新的理解，其数据还可以作为密度泛函理论等其他计算方法发展的参考标准。本次报告中，我们将主要讨论基于神经网络架构的机器学习量子蒙特卡洛方法的发展，这是近些年发展出来的最高精度的第一性原理计算方法。我们将讨论这些方法在精度提升和效率提升方面的不同探索，其往复杂体系中的推广，以及将其应用于分子结构和动力学模拟的初步探索。

报告人简介:

陈基，北京大学大学理学院凝聚态物理与材料物理研究所研究员、助理教授、博士生导师。中国科学技术大学本科，北京大学物理学院博士，英国伦敦大学学院博士后，德国马普所固体研究所博士后。曾入选洪堡博士后、北京市杰出青年人才。主要研究方向和兴趣是量子蒙特卡洛和机器学习计算方法的发展，以及应用先进计算方法研究凝聚态物理、材料和化学体系的基础和交叉科学问题。已在《Nature》、《Science》等期刊发表论文50余篇。

邀请人：潘金波副研究员（82649189）