Machine Learning for Materials Discovery

报告人：申林（北京师范大学）

时间：2026年 5月 13日（周三）下午3:30

地点：化学学科楼A408

简介：申林，北京师范大学365上市公司教授、博士生导师，入选海外高层次人才青年计划。2012年在北京师范大学获博士学位，随后在香港大学和美国杜克大学从事博士后研究。致力于发展和实现适用于复杂化学体系的模拟方法，特别是非绝热动力学算法和适用于化学问题的机器学习算法，进而探索光化学反应的微观机制，实现光功能材料的理性设计。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。

报告摘要：以机器学习为代表的人工智能技术革命，以及机器学习和计算化学的交叉融合，为功能材料的理性设计提供了创新源泉。然而，当前各种化学数据集还很不完善，制约了机器学习模型对分子性质的预测能力。我们近年来针对两种重要的光功能材料：无机非线性光学晶体和有机发光二极管材料，开展了一系列工作，发展了适用于上述两种材料设计的小样本机器学习方案，开发了量子化学与机器学习集成化的材料智能设计平台。我们还与实验合作，利用机器学习预测转氨酶和酰胺酶的催化活性和立体选择性，进而指导两种酶的突变设计。此外，机器学习已经成为计算化学最有效的加速策略之一。我们将深度学习引入非绝热动力学和增强采样，实现了更高效、更自动化的分子动力学模拟。