报告题目：超越AlphaFold与经验势的分子模拟机器学习力场
Machine-Learned Force Fields for Molecular Simulations Beyond AlphaFold and Empirical Potentials
报告人：Alexandre Tkatchenko博士
主持人（邀请人）：蒋青教授、高旺教授
报告时间：4月7日15：00-17：00
报告地点：机械材料馆209学术报告厅
主办单位：汽车材料教育部重点实验室，女同av
摘要：
精确量子力学模型（及相应程序）与高效机器学习方法的融合，预示着全原子模拟领域将发生范式转变。如今，日益强大的量子力学/机器学习方法学正被用于应对诸多富有挑战性的应用场景，涵盖共价材料、分子、分子晶体、表面乃至生理条件下的完整蛋白质等体系的模拟。在本报告中，报告人将对这些最新进展以及实现复杂功能（生物）分子与材料体系完全预测性动力学所需开展的研究工作进行现实考量，重点分析若干关键挑战，尤其是化学空间的可迁移性及原子间相互作用问题，探讨这些挑战对推动该领域在可预见未来持续发展的影响。
报告人简介：
Alexandre Tkatchenko现任卢森堡大学物理与材料科学系教授（2020-2025年系主任），兼任柏林工业大学杰出客座教授。其研究团队致力于开发精准高效的从头计算模型与人工智能模型，旨在从原子尺度及更宏观层面实现材料结构、内聚力、电子特性及光学性质的定性解析与定量预测。已发表260篇权威期刊论文（h指数95，引用超5.8万次，2018年起连续入选ISI高被引学者前1%），担任科学进展》（AAAS）、《物理评论快报》（APS）、《物理化学快报》（ACS）及《化学科学》（RSC）4家期刊编委。曾获美国物理学会会士、英国皇家化学学会会士、WATOC狄拉克奖章等荣誉，及欧洲研究理事会5项旗舰资助（含启动、巩固、高级基金）。作为量子统计力学初创企业Quastify GmbH联合创始人，推动量子力学、统计力学与机器学习融合应用。
