报告题目 | 机器学习方法在多尺度模拟及分子设计筛选方面的应用 |
报告人 | 欧琪 副研究员 |
报告人单位 | 中石化石油化工科学研究院有限公司 |
报告时间 | 2024年3月1日 (星期五) 上午10:00-11:00 |
报告地点 | 物质科研B楼1301会议室 |
主办单位 | 合肥微尺度物质科学国家研究中心、国际化学理论中心（ICCT）、 精准智能化学重点实验室 |
报告摘要 | 在人工智能及计算资源飞速发展的推动下，机器学习方法已被成功应用到多种科研场景中，既能够提升传统量子化学计算及分子模拟的计算精度及时间尺度，也可以构建准确且迁移性好的性质预测模型，辅助实现分子设计及筛选。从多尺度模拟的角度，我们构建了机器学习辅助方案模型DeePKS，能够高效率地获取凝聚态体系杂化方案精度的电子结构性质，结合机器学习辅助势函数，能够对凝聚态体系实现第一性原理分子动力学精度的纳秒级模拟。从性质预测模型的角度，我们利用分子表示学习模型Uni-Mol实现了对于OLED分子高精度电子结构及光物理性质的准确预测，并对百万级别的铱配合物分子进行了高通量筛选，成功选出了尚未报道的具有潜力的发光及照明分子。 |
报告人简介 | 欧琪，女，中石化石油化工科学研究院有限公司副研究员。本科毕业于中国科学技术大学，博士毕业于美国宾夕法尼亚大学。从事电子结构及机器学习辅助泛函方向研究，获得中国博士后面上基金及国自然青年基金资助。在」.Am.Chem.Soc.、Nat.Commun.等杂志发表学术论文20余篇，参与撰写专著1部。 |
