机器学习驱动的动力学模拟：探索复杂体系的微观机理

报告题目：机器学习驱动的动力学模拟：探索复杂体系的微观机理

报告人：杨满意   研究员

报告时间：2023年9月30日下午14:30-15:30

报告地点：物科楼101室

报告邀请人：杨恺

报告摘要：原子尺度分子动力学（MD, Molecular Dynamics）模拟是理解和预测物理、化学，生物及材料等重要科学现象微观机理的有效工具。然而它存在一定的局限性：首先，这些现象大都发生在宏观上，属于稀有事件体系，远超出常规MD模拟所能达到的时间尺度；此外，这些现象中涉及的化学键行成与断裂、金属-非金属性转变等行为需要高精度的从头算分子动力学（AIMD, ab-initio MD）模拟。然而，AIMD模拟极其昂贵，极大的限制了其在更大的空间及时间尺度上的应用。针对这些问题，我们提出了机器学习和先进分子动力学模拟相结合的研究策略，构建具有AIMD精度的神经网络势函数，为高效低成本地研究复杂体系微观机制提供可能。本次报告将主要介绍该策略在探索单质磷的液-液相变，以及原位动态研究Li₂NH催化的NH₃分解反应等复杂体系中的应用。

报告人简介：杨满意博士，特聘研究员。2013年本科毕业于中南大学，随后保送到南京大学化学化工学院攻读博士学位（2013年9月 ~ 2019年6月），导师为黎书华教授。博士毕业后，加入美国科学院院士Michele Parrinello 教授团队，先后在瑞士苏黎世联邦理工学院和意大利技术研究院从事博士后研究工作（2019年7月 ~ 2024年2月）。于2024年3月回国加入南京大学苏州校区绿色化学与工程研究院。主要研究方向为1) 反应路径自动搜索方法的发展与应用2)AI驱动的动力学模拟在化学反应、工业催化、材料相变等交叉研究领域的应用。近年来，以第一/通讯作者身份在 Nat. Catal., PRL, Chem. Sci. JCTC 等国际权威期刊上发表论文多篇。