報 告 人：謝禹

報告題目：Machine-learning Aided Material Simulation Software ARES and Its Applications

報告時間：2024年6月18日（周二）下午3：30

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：

謝禹教授，現(xiàn)任吉林大學物質(zhì)模擬方法與軟件教育部重點實驗室副主任。2003年于吉林大學物理學院獲學士學位，2010年于吉林大學超硬材料國家重點實驗室獲博士學位。曾先后在瑞士聯(lián)邦理工學院、美國橡樹嶺國家實驗室、美國萊斯大學等研究機構從事博士后研究。2019年以學術帶頭人身份引入吉林大學物理學院。2020獲得國家優(yōu)秀青年科學基金項目資助。

主要研究方向：長期從事第一性原理計算方法和計算能源材料物理研究工作。主要取得如下學術成果：發(fā)展了結合實空間有限差分方法和自注意力神經(jīng)網(wǎng)絡算法的大尺度電子結構計算軟件ARES，獲得了2個軟件著作權，為國內(nèi)外同行開展材料性質(zhì)模擬提供了有力工具；解決了層狀過渡金屬碳化物等儲能材料的表面結構難題，據(jù)此提出了多層離子吸附的儲能新機理；為精準設計高容量電極材料提供了途徑,設計了結構有序的高容量雙過渡金屬層狀儲能材料,提出了單層六角碳化鈦自組裝生長的物理機制；建立了原子層級上實驗制備金屬性過渡金屬碳化物能源材料的理論基礎，取得了一系列重大科研成果。在Nature、Phys. Rev. Lett.、Nat. Commun、J. Am. Chem. Soc.等重要學術期刊發(fā)表80余篇論文，引用1,2900余次，11篇入選ESI高被引。

報告摘要：

為了應對原子級模擬在時間和空間尺度上的挑戰(zhàn)，我們開發(fā)了基于實空間有限差分和機器學習方法的大尺度模擬軟件ARES。一方面通過使用機器學習方法，降低模擬的計算復雜度，使得我們能在更大的時空尺度進行模擬，另一方面通過將密度泛函軟件和機器學習方法結合起來，我們能使用主動學習更快捷的生成機器學習勢。目前，我們已經(jīng)成功地將ARES應用于超導體的結構預測和離子導電性模擬等領域。我們希望能通過建立多尺度模擬平臺，提供精確、高效的模擬，促進對現(xiàn)實復雜系統(tǒng)的探索，并支持材料科學、物理化學及相關領域的應用。