成人片黄网站色大片免费,男男无码GV片在线看,又粗又大又硬又长又爽

  • <input id="xi7g7"></input><thead id="xi7g7"><del id="xi7g7"></del></thead>
    <blockquote id="xi7g7"></blockquote>
    <thead id="xi7g7"><s id="xi7g7"></s></thead>
      當前位置:首頁 > 新聞中心 > 學術活動

    學術活動

    10月19日:【人工智能X基礎科學系列論壇】當人工智能遇到材料與化學

  • 發表日期:2022-10-17 【 【打印】【關閉】
  •   過去幾年里,AI x Science 成為最受關注的領域之一,出現了很多令人矚目的研究成果。在數學、物理、化學、生物、材料、地質等更廣泛的基礎科學領域,AI 技術為它們帶來了全新的系統性機遇,以深度學習為代表的人工智能與科學計算結合形成了新的計算方法。 

      為了更好地促進學術交流,尤其是交叉學科和前沿工作的同行交流,機器之心與中科院自動化所聯合舉辦「人工智能 x 基礎科學系列論壇」,嘗試在更輕松和開放的交流氛圍下,邀請研究者分享近期工作,討論領域熱點問題。 

      10月19日10:00-12:00,機器之心、中科院自動化所、中科院香港創新研究院人工智能與機器人創新中心聯合舉辦系列論壇第四期,以「當人工智能遇到材料與化學」為主題,特邀暨南大學化學與材料學院教授李風煜主持,多位領域專家做技術分享,聚焦材料與化學領域的人工智能應用。 

     

     

    特邀主持人介紹

    李風煜:暨南大學化學與材料學院教授,國際電工協會印刷電子標準委員會專家。主要從事高效復雜系統分析、聚合物光子晶體與柔性電子器件的研究。發表 SCI 論文70多篇,影響因子大于10的學術期刊論文30篇,15次被選為期刊的封面/內封面文章。申請中國發明專利15項,授權5項,國際專利2項。2015年作為首批中國專家,在國際印刷電子標準委員會中提交中國首個印刷電子國際標準(關于印刷邊界波浪起伏測定)。2015年作為執筆人參與起草中國印刷及設備器材工業協會《中國印刷產業技術發展路線圖》。獲2013、2016年獲化學所青年科學獎特優獎;2015年中國科學院科技促進發展獎二等獎;2016年北京市科學技術獎一等獎。

    特邀嘉賓與主題介紹 

    分享主題:AI+量子化學

    嘉賓簡介:陳冠華,現任香港大學化學系教授及香港量子人工智能實驗室中心主任,為英國皇家化學會會士及美國物理學會會士。他多年來專注于薛定諤方程的精確求解,并率先引進AI與量子化學的結合,實現新材料及新器件的預測及設計。

    分享背景:量子化學領域的終極目標之一,就是通過計算機模擬發現新材料及藥物,以及設計新器件,而實現這個夢想的關鍵,就是精確求解薛定諤方程:一個包含了所有化學領域和絕大部份物理的數學理論所需的基本物理學定律。只要在多體問題中精確求解這個方程,就能精確模擬所有材料的微觀結構。
    然而,如何精確求解薛定諤方程,是個難度相當大的問題。1965年,沃爾特.科恩提出 Kohn-Sham 方程,推進了密度泛函理論(DFT)的應用,通過采用只有三個變量的函數的電子密度取代復雜的波函數作為研究的基本量,為量子化學計算帶來突破。量子化學領域的重點之一,從此聚焦在如何通過近似的計算,找到方程中的有效勢能。其中最出名的近似求解的方法,由 A.D. Becke 等科學家提出,相關的兩篇論文 B3LYP (1994) 均被引用超過10萬次,在世界高引論文 Top 100 排名前10。然而,這離精確求解多體問題仍有距離。從2003年開始,陳冠華教授率先引進AI提升計算精度,實現在少量實驗數據情況下,極大提高有機分子生成熱的計算精度。同時,陳冠華教授運用 AI 尋找精確密度泛函,于2004年發表了相關論文。2019年,陳冠華教授研究小組發表嚴格用深度學習構建密度泛函的理論,為精確求解薛定諤方程提出了可行的方案。
    此次講座,陳冠華教授將和大家分享其二十多年來在AI+量子化學領域的科研成果及未來的發展方向。

    分享摘要:陳冠華教授團隊通過運用 AI 及量子化學的優勢,結合少量實驗驗證,打造新一代集成式多尺度計算機模擬(In Silico)平臺,并將半導體領域中電子設計自動化(EDA)的成功經驗轉移到能源、光電子和化工行業等新材料與器件設計領域。

    分享主題:譜構效數據驅動的機器化學家探索

    嘉賓簡介:江俊,中國科學技術大學教授,瑞典皇家工學院化學博士,入選國家基金委杰青。發展融合數據智能技術的量子化學模擬方法,研究物理化學領域中的應用問題。獲中國化學會唐敖慶青年理論化學家獎、日本化學會亞洲杰出講座獎。

    分享背景:隨著物質科學研究深入復雜體系,結構與性質的演化復雜度陡增,傳統研究范式下的數學映射關系逐漸變得模糊。人工智能技術擅長從數據中探索變量之間的高維關聯,為底層規則清晰而變量復雜的科學問題提供求解思路。通過發展機器學習與量子化學計算結合的理論方法,我們可以挖掘與譜學觀測相關的化學描述符,利用機器學習在保持量子化學精度的前提下大幅度提升光譜計算的效率,實現蛋白質分子光譜、催化劑表面分子光譜的高效模擬,推演光譜響應、化學結構、物化性質之間的數學關系乃至理論規律。

    分享摘要:借助機器學習,我們可以破解復雜系統的譜學規律,建立「譜-構-效」關系,開發自動化機器人執行合成、表征、測試的化學實驗全流程,為具備「科學思維」的機器化學家提供數據支撐、智能軟件和系統基礎。

    相關論文:

    https://www.bilibili.com/video/BV1Hd4y1i75c/

    分享主題:「大數據+AI」驅動的材料科學

    嘉賓簡介:劉淼博士,現就職于中科院物理所/松山湖材料實驗室,任特聘研究員、博士生導師。他畢業于中國科學技術大學物理系和美國猶他大學材料系,后加入勞倫斯伯克利國家實驗室從事博士后研究。他致力于發展「材料大數據+人工智能」方向的研究,運用高通量第一性原理計算為領域構建業界頂級數據庫,將海量科學數據帶到科研人員手中。他創建的 Atomly.net 材料科學數據庫是世界范圍內數據質量和數量最好的數據庫之一。

    分享背景:材料科學是現代工業的基礎,新材料研發是我國的戰略性方向。歷經數十年,歐美都已建立了各自的材料數據庫,正在將材料科學推進到大數據時代。發展具有我國自主知識產權的材料庫,可補全我國的材料研發鏈條,健全材料研發完整的生態體系,深度提升我國的材料研發生產力。中國科學院物理研究所、松山湖材料實驗室和懷柔材料基因平臺的科學工作者經歷了4年多的不懈努力,建成 Atomly 材料數據庫,并將無機晶體材料種類擴充到了33余萬個,數據規模和質量已經躋身世界一流水準,改變了我國物理、化學、材料科學等領域長期依賴歐美數據庫的被動局面,為我國物質科學發展提供了優質的基礎數據及平臺,提升了整個行業的生產力、效率及競爭力。

    分享摘要:Atomly 材料科學數據庫借助基于量子力學原理的高通量計算,構建無機晶體材料的海量數據集,進而解鎖新材料體系的快速搜索和人工智能預測,或將帶來材料科學的范式變革。

    相關論文:

    https://iop.cas.cn/xwzx/kydt/202207/t20220720_6483007.html 

    https://www.cas.cn/syky/202208/t20220808_4844132.shtml 

     

    觀看渠道:中科院自動化所嗶哩嗶哩直播間

    掃碼即可進入直播間

     

    成人片黄网站色大片免费,男男无码GV片在线看,又粗又大又硬又长又爽