学术讲座
报告题目：探索稀有事件体系的微观机理：深度学习+增强采样
报告时间：2023-03-03 14:30-15:30
报告人： 杨满意 博士后
意大利高等研究院
报告地点：思明校区卢嘉锡楼202报告厅（现场报告）
翔安校区能源材料大楼3号楼会议室5（同步转播）
报告摘要：
原子尺度的分子动力学 （MD, Molecular Dynamics）模拟是理解和预测物理、化学，生物以及材料等科学现象微观机理的重要工具。然而它存在一定的局限性：首先，这些有趣的现象大都发生在宏观尺度上，属于稀有事件体系，远超出常规MD模拟所能够达到的时间尺度；此外，这些现象中涉及的化学键行成和断裂、金属-非金属性转变等行为需要我们采用高精度的从头算分子动力学（AIMD, ab-initio MD）模拟。然而，AIMD模拟非常昂贵，极大的限制了其在更大的空间以及时间尺度上进行采样。针对这些问题，我们提出了将深度学习和增强采样方法相结合的研究策略，构建具有AIMD精度的神经网络势函数，实现高效低成本地对体系的微观行为进行研究。在本次报告中，我将主要介绍该策略在探索磷的液-液相变行为，以及理解Li2NH催化的NH3分解反应等复杂体系中的应用。
报告人简介：
杨满意， 2013年本科毕业于中南大学beat365官方网站，博士（直博）师从南京大学beat365官方网站黎书华教授。 2019年获得博士学位，随后加入Prof. Michele Parrinello 团队， 先后在苏黎世联邦理工学院（2019年8月 ~ 2020年12月）和意大利国际高等研究院（2021年1月 ~ 2022年12月）从事博士后研究工作。主要研究方向包括开发反应路径自动搜索软件及方法，化学反应的机理研究及理论设计，以及机器（深度）学习结合增强采样在化学反应、材料学等交叉研究领域的应用。
欢迎老师同学们积极参加！
beat365官方网站
固体表面物理化学国家重点实验室
