AI规模的材料设计

主讲人介绍

Shyue Ping Ong，新加坡国立大学材料科学与工程学院教务长首席教授。他长期致力于融合物理机理认知数据科学与人工智能，加速先进材料的发现与理性设计。Ong教授是国际公认的机器学习原子间势能(又称"基础势能")研究领域的先驱之一，其研究深刻重塑了人工智能作为材料科学预测引擎的应用范式。作为材料基因组计划领域的知名专家，他开发了广泛使用的材料分析开源库pymatgen，并作为核心贡献者深度参与了Materials Project——一个为全球科研界是供数万种无机材料计算性质数据的公共平台。

Ong教授于2011年获麻省理工学院材料科学与工程博士学位，1999年获剑桥大学电气与信息科学硕士及学士学位。迄今已发表高水平同行评议论文170余篇，自2021年起连续入选科睿唯安"高被引科学家"。曾获美国能源部早期职业生涯奖及美国海军研究办公室青年研究员奖等荣誉。

报告摘要

人工智能在众多复杂任务中已展现出超越传统方法的性能。本报告将探讨人工智能如何推动材料科学领域的范式变革。借助高通量第一性原理计算产生的大规模数据集，人工智能方法为新型功能材料的发现、跨尺度(超越传统计算能力所及的长度、时间及化学复杂度)材料行为的精确建模，以及实验表征数据的高效解析提供了全新路径。

报告将重点阐述"基础势能"这一核心概念——即在广阔化学空间中预训练的机器学习原子间势能模型。该类模型能够以接近第一性原理的精度描述原子间相互作用势能面，同时将计算成本降低数个数量级。此类模型的突破，使得在以往难以企及的大空间尺度、长时间演化及复杂化学环境下开展高精度模拟成为可能，为基于AI驱动的材料发现与逆向设计开辟了新前沿。