\u200E
人工智能助力材料科学新发展 | 飞桨博士会第十二期
发布日期:2022-03-31T12:12:24.000+0000 浏览量:124次


目前,全球范围内都在积极发展新材料,新材料已成为决定一国高端制造及国防安全的关键因素和国际竞争的重点领域。而研发是新材料企业保持核心竞争力的关键,传统的材料研发模式,通常以实验和经验为主,需要经历反复实验,新材料研发周期长、效率低。

随着AI变得越来越“聪明”,利用AI和数据来探索未知材料的时代也逐步来临。AI不仅能够对材性能进行预测,同时也能挖掘边界条件等信息,有助于推进对相关机理的认识,从而加快新材料的研发速度和效率,降低研发成本。以“大数据+AI”为标志的数据驱动,成为材料科学发展的新范式。


4月9日,飞桨博士会将在北京举办主题为“人工智能赋能材料科学”的技术交流会,与大家共同探讨AI技术在材料科学创新中的实践应用。

本次Meetup我们邀请到 中国科学院物理研究所特聘研究员/博士生导师刘淼、北京邮电大学物理系研究员高昂 两位嘉宾担任主讲人,分别分享材料数据科学技术如何开启物质科学研究的新范式,以及SCFNN模型在分子动力学模拟中的应用和挑战。

活动时间: 4月9日(星期六) 14:30
活动地点: 北京中关村创业大街百度大脑创新中心




分享一:


《Atomly.net材料科学数据库:开启物质科学研究的新范式》


刘淼


中国科学院物理研究所特聘研究员


松山湖材料实验室兼聘研究员


专注于第一性原理材料物性机理研究、材料数据库开发和基于数据的材料研发。主导创立了atomly.net材料科学数据库。




议题介绍:

Atomly.net是一个自主知识产权的世界级材料数据库,拥有28万无机非晶材料数据,数 据数量和质量已经比肩世界顶尖的同类数据库。 借助数据,新材料 筛选、研发、设计将大幅加速。 本次 报告 通过介绍 Atomly.net的建设理念、发展历程、 研发 实例、人工智能助力材料研发的初步进展, 以及 Atomly.net未来的路线规划, 分享 我们如何借助材料科学计算及数据方法迅速搜索结构和化学空间,从而寻找新材料; 如何 通过数据挖掘有的放矢的筛选和设计新材料; 如何通过 人工智能助力材料物性预测及分子动力学势函数开发。




分享二:


《利用自洽场神经网络模型描述长程静电力》

高昂


北京邮电大学物理系研究员


2012年获清华大学物理学士学位,2017年获美国马里兰大学帕克分校化学物理博士学位,2017-2020年在麻省理工学院从事博士后研究工作。研究方向包括分子动力学模拟、第一性原理计算、生物物理等。




议题介绍:

近些年来,机器学习在分子动力学模拟中得到了广泛应用。 基于神经网络的分子动力学模拟的精度可以与基于量子力学的分子动力学模拟相媲美,而其运算速度却比后者快上万倍。 但是通过神经网络进行分子模拟的一个难点是处理长程静电相互作用。 传统的神经网络分子动力学模型(如Behler-Parrinello模型)只能描述分子之间的短程相互作用。 高昂博士最近提出了基于自洽场理论的神经网络分子动力学模型——SCFNN模型,SCFNN模型可以精确描述分子之间的长程静电相互作用。 本次演讲将介绍SCFNN模型以及其在分子动力学模拟中的应用和挑战。




报名要求

  • 从事人工智能或分子动力等相关方向研究2年以上经验,博士学历(含博士在读)

  • 飞桨博会成员可免审核参加

  • 活动人数:30


欢迎大家扫码或点击阅读原文报名

报名链接:
https://paddle.wjx.cn/vj/tGyFJS4.aspx


飞桨博士会

飞桨博士会是由百度开源深度学习平台飞桨(PaddlePaddle)发起的中国深度学习技术俱乐部,旨在打造深度学习核心开发者交流圈,成员皆为博士,且具备深度学习多年研究和实践经验。此前飞桨博士会已举办多期线下沙龙,组织会员共同研讨自然语言处理(NLP)、计算机视觉(CV)、AutoDL自动深度学习建模技术、AI+科学计算等前沿技术。

关注【飞桨PaddlePaddle】公众号

获取更多技术内容~