近日，北京师范大学365上市公司教授、海外高层次人才青年计划入选者申林教授应邀，作题为“Machine Learning for Materials Discovery”的学术报告。报告在化学学科楼A408举行，由赵莉莉教授主持，学院40余名师生共同参加。

报告中，申林教授围绕机器学习与计算化学的交叉融合，介绍了针对无机非线性光学晶体和有机发光二极管（OLED）材料所发展的小样本机器学习方案，以及量子化学与机器学习集成化的材料智能设计平台。他还分享了利用机器学习预测转氨酶和酰胺酶的催化活性与立体选择性，进而指导酶突变设计的实验合作成果。此外，申教授展示了将深度学习引入非绝热动力学增强采样的最新进展，实现了更高效、自动化的分子动力学模拟。报告内容深入浅出，引起了在场师生的浓厚兴趣。

会后，师生们就小样本学习在化学数据集中的泛化能力、机器学习模型的可解释性、非绝热动力学采样的算法细节等问题与申林教授展开了热烈讨论。申教授对每个问题都给予了细致而深入的解答，其严谨的学术态度和前瞻性的研究视野让在场师生深受启发。

报告人简介：申林，北京师范大学365上市公司教授、博士生导师，2012年于北京师范大学获博士学位，先后在香港大学和美国杜克大学从事博士后研究。致力于发展复杂化学体系的模拟方法，特别是非绝热动力学算法和面向化学问题的机器学习算法，主持国家自然科学基金重大项目课题、科技部国家重点研发计划项目课题等。

作者：徐玉娇（365上市公司）；审核：周辉