报告摘要:

The function of materials is typically ruled by a high intricacy of various processes, making explicit ab initio modeling often too complicated or even unrealistic.

Machine learning and AI enable the prediction of mean values and probability distributions of a material’s function by addressing correlations, smoothing out the detailed microscopic physics and chemistry. In this talk, I will discuss some recent examples, also addressing the frequently-ignored uncertainty of AI predictions.

Often, material functions are triggered by rare events that may be absent in the training data, smoothed away by regularization, or AI may predict fake events. I will discuss how this challenge can be solved, and I will explore how machine learning can identify "rules" and "materials genes", enabling active learning for systematic, efficient predictions of novel materials with improved functional performance and some understanding.

报告人简介：

Matthias Scheffler教授，德国弗里茨-哈伯研究所理论部创始主任，德国科学院院士，是凝聚态物理、物理化学等领域具有世界影响的一位学者。Scheffler教授长期从事第一性原理材料计算模拟和软件开发工作，其研究工作涉及电子结构方法、表面催化、热输运、热电材料、无机/有机杂化材料、生物物理、以及材料大数据分析等多个领域，并主导开发了全电子第一性原理计算软件包FHI-aims以及计算材料学领域最大的数据库之一的NOMAD。在其研究生涯中已发表论文600余篇，h因子为153。Scheffler教授2002年当选柏林-勃兰登堡科学与人文学院院士，并于2017年当选德国国家科学院院士，曾获马克斯–普朗克研究奖（2001年）、马克斯–玻恩奖（2004年）、恩斯特–马赫奖（2008年）在内的多个国际著名奖项。

现场参会报名方式：请于10月16日20:00前提交报名信息

线上参会方式：扫描以下二维码

565net必赢客户端学术论坛：创办于2020年9月，邀请国内外高校和研究机构高层次科技创新领军学者就物理学及相关领域的基础前沿探索、关键技术突破和热点问题等做学术演讲，旨在推进高质量学术交流，促进学科交叉融合和开拓新兴特色方向研究，培养具有科学精神、全球视野、创新能力、批判性思维的优秀青年人才。

主办单位

565net必赢客户端