当前位置: 首页 >> 学术动态 >> 正文

机器学习辅助新材料快速研发与多尺度计算

创建于2019年04月18日 星期四作者 : 科研办 浏览量 :

主讲人:丁向东,西安交通大学教授

间:201941910:30

点:物电学院A335学术报告厅

联系人:邓辉球

 

讲座摘要:材料基因组工程是近年来新兴的一种材料研发理念。本报告主要介绍我们将机器学习与实验以及计算相结合,加速新材料快速开发、实现多尺度计算、相图预测以及逆向设计等方面的进展。首先,传统材料的开发主要以经验为指导、进行试错法研究,耗时耗资;针对这一难题,我们利用机器学习技术,发展了一个由数据采集、统计模型、实验设计、结果反馈组成的循环回路;通过对回路的迭代循环,实现了金属合金及铁电材料的加速研发。其次,目前的计算手段具有各自的物理基础和背景,很难实现真正的多尺度计算。针对这一问题,我们开发了一种机器学习与神经网络混合的方法,该方法可以根据从头算分子动力学模拟的结果中学习得到较为准确的原子间势函数。我们以金属Zr, K以及二维材料GeSeBN为例,证明了该方法的可行性和有效性;并利用拟合得到的势函数进行了分子动力学模拟,预测了相关材料在高温高压等条件下的奇异特性。

 

讲人简介:丁向东,西安交通大学材料科学与工程学院副院长,长江学者特聘教授,博士生导师。1999年于吉林工业大学(现吉林大学)获得博士学位,2002年在西安交通大学任教,之后多年先后在日本国立物质材料研究院、美国洛斯阿拉莫斯国家实验室、麻省理工学院、英国剑桥大学访问研究,2015年获得教育部长江学者特聘教授,剑桥大学莫德林学院Yip Visiting Fellow,并享受国务院政府特殊津贴。主要从事金属材料的形变与相变行为的多尺度计算模拟及实验研究。主持过2973计划课题,是1个科技部重点研发计划课题和国家自然科学基金重大国际合作项目的负责人。在NatureScienceNature MaterialsPRLAdv Mater, Adv Func Mater, Nano Lett等材料及物理领域期刊上发表论文100余篇。作为主要完成人获国家自然科学二等奖一项,国家级教学成果二等奖1项。

机器学习辅助新材料快速研发与多尺度计算

2019-04-18

作者:丁向东

浏览量:

主讲人:丁向东,西安交通大学教授

间:201941910:30

点:物电学院A335学术报告厅

联系人:邓辉球

 

讲座摘要:材料基因组工程是近年来新兴的一种材料研发理念。本报告主要介绍我们将机器学习与实验以及计算相结合,加速新材料快速开发、实现多尺度计算、相图预测以及逆向设计等方面的进展。首先,传统材料的开发主要以经验为指导、进行试错法研究,耗时耗资;针对这一难题,我们利用机器学习技术,发展了一个由数据采集、统计模型、实验设计、结果反馈组成的循环回路;通过对回路的迭代循环,实现了金属合金及铁电材料的加速研发。其次,目前的计算手段具有各自的物理基础和背景,很难实现真正的多尺度计算。针对这一问题,我们开发了一种机器学习与神经网络混合的方法,该方法可以根据从头算分子动力学模拟的结果中学习得到较为准确的原子间势函数。我们以金属Zr, K以及二维材料GeSeBN为例,证明了该方法的可行性和有效性;并利用拟合得到的势函数进行了分子动力学模拟,预测了相关材料在高温高压等条件下的奇异特性。

 

讲人简介:丁向东,西安交通大学材料科学与工程学院副院长,长江学者特聘教授,博士生导师。1999年于吉林工业大学(现吉林大学)获得博士学位,2002年在西安交通大学任教,之后多年先后在日本国立物质材料研究院、美国洛斯阿拉莫斯国家实验室、麻省理工学院、英国剑桥大学访问研究,2015年获得教育部长江学者特聘教授,剑桥大学莫德林学院Yip Visiting Fellow,并享受国务院政府特殊津贴。主要从事金属材料的形变与相变行为的多尺度计算模拟及实验研究。主持过2973计划课题,是1个科技部重点研发计划课题和国家自然科学基金重大国际合作项目的负责人。在NatureScienceNature MaterialsPRLAdv Mater, Adv Func Mater, Nano Lett等材料及物理领域期刊上发表论文100余篇。作为主要完成人获国家自然科学二等奖一项,国家级教学成果二等奖1项。

湖南省长沙市岳麓区湖南大学南校区

邮政编码: 410082

行政办公室:0731-88822332

学生工作办:0731-88821986

教学科研办:0731-88822627