理学院举办“机器学习在极端条件物理中的应用进展”学术交流会

2022-07-07来源:理学院作者:甘鹏飞审核人:李鸿涛编辑:曹佳音阅读:11

7月6日,由江苏省物理学会、南京理工大学联合主办的“机器学习在极端条件下物理中的应用进展”会议在理学院752会议室成功召开。会议特邀北京应用物理与计算数学研究所特聘研究员兼博士生导师王涵、西北工业大学教授兼博士生导师牛海洋、北京大学工学院特聘研究员兼北京大学应用物理与技术研究中心博士生导师陈默涵、国防科技大学博士研究生曾启昱以及国防科技大学助理研究员陈博做学术报告。理学院院长陆健、党委书记李鸿涛以及来自全国高校的150余名师生参加本次会议,会议由理学院应用物理系罗凯副教授主持。

王涵研究员做了题为“基于深度学习的分子动力学模拟”的学术报告。报告从势函数构造和数据生成两个方面讨论了解决办法:在势函数构造方面,详细介绍深度势能方法及其最新进展,包括更强大的描述子和长程相互作用建模;在数据生成方面,介绍同步学习格式DP-GEN,即通过探索构型和化学空间持续改进深度势能。在报告最后,介绍深度势能方法在水相图计算上的应用。

牛海洋教授做了题为“基于深度学习分子动力学的材料凝固形核过程研究”的学术报告。报告通过引入映射材料内部原子结构的结构因子作为序参量,并将巨分子动力学等先进分子动力学方法与深度学习技术相结合,构建了金属镓、水、CaCO3等体系的第一性原理精度势函数,并成功应用于上述体系的凝固形核过程研究。该工作为构建复杂体系的高精度势函数并研究相应体系的凝固形核机理提供了系统性的研究手段。

陈默涵研究员做了题为“机器学习给原子尺度模拟带来的机遇和挑战”的学术报告。报告围绕三方面展开:第一,基于深度学习的经典分子动力学方法效率高且具备第一性原理方法的精度,介绍深度势能分子动力学(Deep Potential Molecular Dynamics)方法在效率提升和相图模拟上的一些最新进展;第二,基于深度学习的电子结构计算方法已经得到了越来越多的重视和发展,介绍一些初步的工作进展;第三,随着机器学习方法在电子结构计算中的广泛应用,报告中介绍开源软件项目ABACUS的一些最新进展。

曾启昱博士做了“基于深度学习实现大尺度、时空分辨的电子态密度诊断”的学术报告。在报告中提到,通过构建了电子态密度(Electronic Density of States, DOS)的深度学习模型Deep DOS,建立了基于局域原子环境到电子态密度的一一映射,该模型具有良好的泛化性和广延性,可以有效应用于动力学过程的电子结构含时演化研究。由于局域原子环境的准确分辨,通过DOS的单原子贡献实现电子结构的空间分辨,以研究多组分、多相共存的不均匀系统。此外,局域的电子特征可以作为一个有效局域序参量,实现对不同相、中间结构的有效诊断和识别。

陈博助理研究员做了题为“基于深度学习势的冲击压缩物质结构相变研究”(Atomic-scale study on the dynamics of structural transformation under shock compression by using deep potential)的学术报告。报告中提到,通过使用基于深度势能的分子动力学模拟,从原子水平上明确揭示了面心立方结构(FCC)金和聚乙烯在冲击压缩下的结构转变过程,揭示了冲击压缩材料的动力学结构转变,这助于在实验中进一步了解这一观察结果。

会议报告过程中,参会师生踊跃发言,就报告内容提出自己的疑问,相互解答,氛围良好。整场会议报告内容丰富,极大的拓展了参会师生的学术视野,增强了对机器学习在物理学场景中应用的了解,为各位师生进一步开展学术研究提供了良好的引导作用,促进了学科学术交流合作。