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