姓名:张耀龙
职称:特任研究员
单位:中国科学技术大学
邮箱:ylzustc@ustc.edu.cn
本人主要从事机器学习与理论化学交叉研究，致力于发展复杂化学体系的高精度、高效率量子模拟方法。主要研究方向包括：发展具有物理对称性、非局域信息和长程相互作用描述能力的机器学习势能模型，用于分子、凝聚相和材料体系模拟；构建外场响应机器学习方法，统一预测势能、原子力、偶极矩和极化率等性质，服务于光谱、电化学界面和能源材料研究；发展SchrödingerNet神经网络波函数方法，求解电子—核全耦合薛定谔方程，探索基态、激发态及非绝热过程的高精度计算。研究工作注重理论方法、计算软件与化学应用的结合。
1. Zhang, Y.; Xia, J.; Jiang, B., Physically Motivated Recursively Embedded Atom Neural Networks: Incorporating Local Completeness and Nonlocality. Phys. Rev. Lett. 2021, 127 (15), 156002.
2. Zhang, Y.; Jiang, B., Universal Machine Learning for the Response of Atomistic Systems to External Fields. Nat. Commun. 2023, 14 (1), 6424.
3. Zhang, Y.; Guo, H., Node-equivariant message passing for efficient and accurate machine learning interatomic potentials. Chem. Sci. 2026.
4. Zhang, Y.; Jiang, B., Guo, H., SchrodingerNet: A Universal Neural Network Solver for the Schrodinger Equation.J. Chem. Theory Comput. 2025, 21 (2), 670-677
5. Zhang, Y.; Xia, J.; Jiang, B., REANN: A PyTorch-based end-to-end multi-functional deep neural network package for molecular, reactive, and periodic systems. J. Chem. Phys. 2022, 156, 114801.