孙建 教授 南京大学物理学院/固体微结构物理全国重点实验室

机器学习驱动的物质模拟方法发展及其应用

报告摘要

在本报告中，我将简要介绍我们课题组自主开发和参与开发的几个机器学习驱动的物质模拟方法，包括机器学习与图论辅助的晶体结构搜索方法MAGUS、高精度消息传递机器学习力场HotPP、机器学习分子动力学引擎GPUMD等。其次，我将以我们的最新研究进展为例，汇报这些方法在不同研究领域中的应用，包括行星内部物质的研究，新材料的预言和材料相变路径的动力学模拟等等。

报告人介绍

孙建，南京大学物理学院和固体微结构物理全国重点实验室教授，博士生导师，南京大学科学技术研究院副院长，国家基金委杰出青年基金项目（2021）和重大项目（2024）主持人。研究方向为：计算凝聚态与高压物理、材料设计、行星深部物质等。发展了多个机器学习驱动的计算模拟新方法，并运用上述方法预言了多个新材料和新物态。以第一或通讯作者发表SCI论文110余篇，包括重要期刊（Nature及其子刊/PRL/PRX/PNAS/JACS）论文30余篇。曾获2011年中国国家自然科学二等奖（第五完成人）、2014年国际高压领域青年科学家奖（Valkenburg奖）、江苏省青年科技奖等。担任高压物理、计算材料学、高压化学等专委会委员、《物理学进展》副主编、MRE和《高压物理学报》编委。