报告题目：人工智能技术辅助的多尺度分子模拟技术

时间：2025年1月17日上午10:00

地点：图书馆820会议室

线上腾讯会议号：852751148

报告内容：作为联系微观和宏观的桥梁，分子模拟是预测宏观性质、理解微观结构和动力学的重要工具。近年来，基于机器学习势能面的分子模拟技术极大地提升了分子模拟的可靠性，使其成为我们理解复杂分子体系的重要手段。然而，基于体相密度泛函理论（DFT）数据的机器学习技术仍然受到DFT数据精度不足、化学迁移性差、模拟速度慢等问题的困扰。这些问题导致了机器学习分子力学极其高昂的训练和使用成本，严重阻碍其进一步应用。在本报告中，我们将从模型设计和优化算法两个角度入手，展示如何将高精度的微观小团簇量子化学数据和多模态宏观实验数据引入机器学习势能面的构造，从而大幅降低机器学习分子力学的训练成本，提升其精度和迁移能力。与此同时，我们基于自动微分技术构建的智能模拟平台DMFF，使得势能面的多模态优化和多尺度粗粒化模型的严格系统性构建成为可能。我们进一步将新模型、新算法、以及新模拟程序应用于多组分电解液、高分子、生物分子等传统机器学习模型较难处理的复杂体系中，实现分子材料性质的高精度预测。基于以上工作，我们希望利用人工智能新技术进一步打通分子模拟中旧有的尺度壁垒，实现可靠的分子设计。

报告人个人简介：

余旷，2008年在北京大学化学学院获得学士学位，2013年获美国威斯康星大学麦迪逊分校理论化学博士学位。2013-2016年普林斯顿大学机械与航天工程系博士后，2016-2018年担任纽约D. E. Shaw Research公司研究科学家。2018年11月入职清华-伯克利深圳学院（TBSI）助理教授，2021年转入清华大学深圳国际研究生院副教授。主要工作方向为人工智能辅助的分子材料的模拟和高精度力场模型构建、多尺度电子结构方法（量子镶嵌理论）等。独立工作以来作为通讯作者发表Nature Communications、PRL、JACS、AM、JCTC等顶刊论文9篇，所开发智能模拟平台DMFF，被Berend Smit、Frank Noe、AlanAspuru-Guzik等顶尖学者使用。