报告题目：基于机器学习算法的新型功能材料的高效设计
报告时间：10月26日下午2：00-3：00
报告地点：16幢一楼路演厅
报告人：王金兰
邀请人：张毅

报告简介：
功能材料的研发是工业创新的基石，如何按需高效构筑材料一直是科学研究的热点与难点，尤其是面对成千上万的候选材料。传统的材料开发模式通常为试错法，这种方法耗时良久，且对于一些成因复杂的特性往往难以成功。在上述背景下，机器学习(machine learning)技术被引入到材料设计和材料数据库的构建中来，高效的计算和筛选效率使得机器学习技术成为材料设计的理想“助推器”。机器学习算法的优势在于，其本质上是基于数据统计规律而非物理化学定律的，从而能够绕过复杂的量子力学求解过程。我将通过三个例子展示机器学习结合密度泛函理论，在快速发现稳定、无铅光伏钙钛矿、二维铁磁材料、二维固氮电催化剂以及电催化描述符开发等方面的应用，并探讨机器学习用于新材料高效筛选与设计中面临的挑战。

报告人简介：
东南大学物理学院首席教授。长期从事新材料的多尺度模拟与理论设计工作，在新材料的生长与物性调控、机器学习预测新材料等方面取得了重要进展。在包括Nature、Nature Nanotechnology、Nature Communication等有影响力的期刊上发表论文300余篇，引用一万八千多次，Elsevier中国高被引学者。担任Nanoscale副主编、Nanoscale Horizons科学编辑及Journal of the Physical Chemistry Letters等多个期刊的编委。

代表性论文：
1)    Approaching the quantum limit in two-dimensional semiconductor contacts,Nature, 2023, 613, 274-279

2)    Uniform nucleation and epitaxy of bilayer molybdenum disulfide on sapphire, Nature 2022, 605, 69.

3)    Universal machine learning aided synthesis approach in typical laboratory: a case study of two-dimensional perovskites, Nat. Commun.2023.

4)    On-the-fly Interpretable Machine Learning for Rapid Discovery of Two-dimensional Ferromagnets with High Curie Temperature, Chem, 2021, 8, 769-783.

5)    Accelerated discovery of stable lead-free hybrid organic-inorganic perovskites via machine learning, Nat. Commun. 2018, 9, 3405.