AI驅動下的新能源材料研究、發現與 NVIDIA Modulus 加速材料計算

AI for 是一種新興科研范式，旨在將 AI 深度融合到科學研究的各個環節，從數據處理、仿真模擬、實驗研究，到發現新的科學規律，從而加速科學發現。AI for 已在多個領域取得了令人矚目的成果，材料計算便是其中之一。

材料計算是一個跨學科領域，它融合了物理學、化學、材料科學和計算機科學等不同學科的專業知識，使用計算模型和算法來研究材料的微觀結構、電子結構、力學性能、熱力學性質等。材料計算可以幫助科研人員設計新材料，優化現有材料的性能，并在不實際制造材料的情況下預測材料在不同條件下的行為，從而大幅節省科研時間和成本。

7月23日14:00，智猩猩在線研討會 AI for 專場將開講，聚焦AI驅動下的材料計算加速。清華大學深圳國際研究生院博士后楊鑫、 解決方案架構師馬四騰將分別以《AI驅動下的新能源材料研究與發現》、《 加速 AI 驅動的材料計算》為主題進行直播講解，并在線答疑。

主題介紹

清華大學深圳國際研究生院博士后楊鑫：AI驅動下的新能源材料研究與發現

內容概要：

近年來，機器學習力場逐漸成為幫助科學家研究和發現新材料的重要工具。在眾多機器學習力場中，等變圖神經網絡等模型表現出了堪比量子化學計算的高精度，并且具備極低的計算成本。然而，收集足夠的量子化學訓練數據以開發相應的機器學習力場仍然是一項耗時耗力的挑戰。

為了加速這一過程并優化機器學習力場的開發和應用，清華大學深圳國際研究生院博士后楊鑫團隊建立了一套主動學習工作流，旨在自動化標記量子化學數據和訓練一系列先進的AI模型。這一工作流顯著提高了多個新材料領域的研究速度和效率。楊鑫博士團隊應用主動學習工作流進行重要化學反應的機理研究，探索并發現了新型納米合金材料，有效加速了電池材料的研究。

本次研討會，楊鑫博士首先會介紹機器學習力場開發中面臨的挑戰，并概述如何通過預訓練模型和主動學習來解決這些問題。此外，楊鑫博士還將介紹幾個通過主動學習工作流加速材料模擬研究的案例。

解決方案架構師馬四騰： 加速 AI 驅動的材料計算

內容概要：

人工智能正在徹底改變科學研究的方式，在材料計算領域中，加速材料發現和設計過程，提高模擬精度，實現大規模數據分析，促進跨學科融合，開辟新的研究方向，顯著提升研究效率和創新能力。

為了進一步推動 AI for 的發展， 推出了 開源框架。這一框架不僅引入了如 、 、GNN、 等先進的 AI 模型，還支持參數化設計和 GPU 多節點線性擴展，使得無論是缺乏 AI 專業知識的用戶還是經驗豐富的開發者，都能快速響應行業對 AI 技術的迫切需求。

本次研討會中，馬四騰首先會概述 中的 AI 模型及其顯著優勢，之后將分享一些近期加速 AI 驅動材料計算的案例。