2024年10月17日，太阳成集团tyc234cc学术论坛（第四十三讲）在太阳成集团tyc234cc思源多功能厅成功举办。德国弗里茨-哈伯研究所理论部创始主任、德国科学院院士Matthias Scheffler教授应邀作了题为“人工智能在材料科学应用中的机遇与挑战”（Artificial Intelligence in Materials Science: Impact, Uncertain Expectations, and Open Challenges）的学术报告。本次论坛由太阳成集团tyc234cc凝聚态物理与材料物理研究所李新征教授主持。

李新征主持

伴随着“基于人工神经网络的机器学习”与“蛋白质预测”横扫2024年诺贝尔物理学奖和化学奖，AI for Science已从最初的一句口号，演变为席卷科研界的浪潮。从基于朴素观察与归纳的经验主义范式（empirical science），到基于数学抽象与推导的模型建构范式（theory），再到基于第一性原理复现真实世界的计算模拟范式（computational science），材料科学研究在其发展过程中已经历三次变迁，而Scheffler教授认为，当下人工智能的兴起正带来一种全新的研究范式——以数据为核心的AI范式。

Matthias Scheffler作报告

Scheffler教授首先回顾历史，指出数据共享的价值。其威力早在16世纪已见端倪，正是第谷毫无保留地向开普勒分享自己的观测记录，才使后者有机会总结出行星运动三定律。在他主导发展的NOMAD（NOvel MAterials Discovery）项目中，已收录一千万余条原始记录，并将其编纂为上亿条结果与百亿条数值指标，致力于将其发展为一个通用的材料数据库，为后续基于人工智能的高通量材料计算奠定基础。

随后，Scheffler教授提到了目前机器学习势能面（machine-learned potential）所遇到的瓶颈。该方法依赖大量第一性原理计算的原始数据作训练集，其对于小概率发生的稀有事件描述不准确，无法有效反馈到以整体误差为判据的训练结果中，因而产生物性估计的谬误。Scheffler教授指出，通过引入不确定性估计（uncertainty estimation）和主动学习（active learning）策略，有望衡量和缓解这一问题。

最后，Scheffler教授也介绍了用于搜寻材料特征描述子的SISSO框架。面向特定物性的材料优化搜寻，本质上是在超高维空间中寻找参数间的关联，想要洞悉复杂物性并给出背后的简单特征描述子，借助传统理论或物理直觉已不太可能。SISSO框架通过综合应用符号回归和压缩感知技术，能够发现具有预测性的描述子。Scheffler教授也以寻找低热导材料为例，展示了该方法的威力。

报告现场

作为德国弗里茨-哈伯研究所理论部的创始主任，Scheffler教授以计算物理范式领军者和AI范式开拓者的身份，在本次报告中分享了他发展材料基因库NOMAD项目的初衷、以及对人工智能在材料科学中广阔前景的洞见，使线上线下的听众受益匪浅。报告结束后，与会师生也与Scheffler教授展开了深入的讨论交流。

现场互动

在本次论坛的总结致辞中，李新征教授对Scheffler教授的精彩报告表示衷心感谢，彭良友教授代表太阳成集团tyc234cc赠与纪念品。

彭良友代表太阳成集团tyc234cc向Scheffler教授赠予纪念品

报告人简介：

Matthias Scheffler教授，德国弗里茨-哈伯研究所理论部创始主任，德国科学院院士，是凝聚态物理、物理化学等领域具有世界影响的一位学者。Scheffler教授长期从事第一性原理材料计算模拟和软件开发工作，其研究工作涉及电子结构方法、表面催化、热输运、热电材料、无机/有机杂化材料、生物物理、以及材料大数据分析等多个领域，并主导开发了全电子第一性原理计算软件包FHI-aims以及计算材料学领域最大的数据库之一的NOMAD。在其研究生涯中已发表论文600余篇，h因子为153。Scheffler教授2002年当选柏林-勃兰登堡科学与人文学院院士，并于2017年当选德国国家科学院院士，曾获马克斯–普朗克研究奖（2001年）、马克斯–玻恩奖（2004年）、恩斯特–马赫奖（2008年）在内的多个国际著名奖项。

太阳成集团tyc234cc学术论坛：

太阳成集团tyc234cc学术论坛创办于2020年9月，邀请国内外高校和研究机构高层次科技创新领军学者就物理学及相关领域的基础前沿探索、关键技术突破和热点问题等做学术演讲，旨在推进高质量学术交流，促进学科交叉融合和开拓新兴特色方向研究，培养具有科学精神、全球视野、创新能力、批判性思维的优秀青年人才。

回放链接：https://www.koushare.com/live/details/37997