报告人

程立雪 助理教授

报告人单位

香港科技大学

报告时间

2026年9月22日（星期二）11:00

报告地点

高新校区学科3号楼控制室

主办单位

精准智能化学全国重点实验室

报告摘要

化学发现需要将电子尺度的相互作用与分子、材料的结构和可观测性质联系起来。人工智能可以加速这一过程，但模型的实用价值取决于其物理一致性、跨体系迁移能力以及可检验性。本报告将介绍我们结合机器学习、量子化学与量子计算的多尺度研究思路，以结构、波函数和性质之间的联系为主线，讨论如何将高精度模拟、快速预测与生成模型组织为可协作的科学工具。

在电子结构层面，Orbformer通过预训练与微调学习可迁移的分子波函数，为深度量子蒙特卡洛计算提供基础模型。在材料设计层面，SCGEN将化学组成与对称性采样同原子坐标优化分离，使晶体生成与物理约束相结合。进一步，催化数字孪生CatDT利用多智能体调用科学计算工具，从体相晶体和反应描述出发，完成表面建模、反应机理探索与动力学预测，并通过实验基准评估预测结果。PRIS则通过提出、检验和反驳假设，从实验晶体数据中提炼结构合理性规则，为候选结构提供可解释的化学诊断。

这些工作探索了AI从学习物理表征到组织计算、检验科学假设的不同角色。报告还将讨论科学基础模型的安全评估，以及如何在自主科学流程中保留物理验证与人工监督，使计算结果更有助于后续实验和材料筛选。

报告人简介

程立雪（Sherry Lixue Cheng）现任香港科技大学化学系及化学与生物工程系助理教授，主持物质科学人工智能实验室（AI for Physical Sciences Lab）。她于2016年获得美国威斯康星大学麦迪逊分校理学学士学位，主修化学、数学、生物化学和分子生物学，辅修计算机科学；2022年于加州理工学院获得理论化学博士学位，师从Thomas F. Miller III教授。加入香港科技大学前，曾在腾讯量子实验室和微软研究院AI4Science实验室从事研究。她的研究聚焦人工智能、量子计算与化学的交叉，发展以物理理论为基础的多尺度建模方法，涵盖分子轨道机器学习、神经网络波函数、材料生成模型及面向科学发现的多智能体系统。