報 告 人：呂健

報告題目：機器學習勢加速的CALYPSO方法與應用

報告時間：2024年6月18日（周二）下午2：30

報告地點：物理與電子工程學院428會議室

主辦單位：物理與電子工程學院、科學技術研究院

報告人簡介：

呂健，現任吉林大學“唐敖慶”領軍教授、博士生導師；專注于發展從理論上預測材料微觀結構的計算方法與軟件，作為核心開發者之一，發展了以CALYPSO命名的晶體結構預測方法和軟件，并據此解決了系列高壓和低維等限域條件下的凝聚態物理難題；在Acc. Chem. Res.、Nature子刊、PRL、JACS等期刊發表論文70篇，其中第一或通訊（含共同）作者論文40余篇，全部論文被SCI引用11000余次，第一作者論文單篇最高被引超500次；獲國家自然科學獎二等獎（第三完成人）和教育部自然科學獎一等獎（第三完成人）。

報告摘要：

凝聚態物質內部的原子排列方式（即微觀結構），是理解物質宏觀物理化學性質和開展新材料設計的基礎。僅依據化學組分從理論上計算出材料的晶體結構是學界的長期期盼。馬琰銘課題組于2010年提出了基于物理約束的啟發式勢能面數值求解方案，據此發展了以CALYPSO命名的晶體結構預測方法，開發了同名結構預測軟件包。歷經多年發展，CALYPSO已經成為結構預測領域的通用計算方法與軟件之一，被廣泛的應用于晶體、表面、界面、層狀材料和團簇等體系的結構設計研究^[1]。本次報告中，我將簡要介紹CALYPSO方法的基本原理，并主要介紹我們最近發展的基于機器學習勢函數加速的CALYPSO方法及其在堿金屬高壓相結構研究中的應用^[2]。

參考文獻

[1] Y. Wang, J. Lv, P. Gao, and Y. Ma, Acc. Chem. Res., 82, 094116 (2022).

[2] X. Wang, et al., arXiv:2302.03843 (2023).