報告題目：人工智能與聲子熱輸運

主講人：胡明  教授/博士生導師  美國南卡羅來納大學機械工程系

主持人：歐陽滔  教授/博士生導師  湘潭大學

報告時間：2023年6月6日（周二）9:30-10:30

報告地點：湘潭大學物理樓主樓319報告廳

內容簡介：人工智能與機器學習已經徹底改變了當代科學技術的許多方面。然而，它在能源材料和熱運輸領域的潛力還沒有被充分挖掘出來。由于機器學習模型所需參數(shù)數(shù)量與組成材料原子種類或元素個數(shù)呈指數(shù)級變化，現(xiàn)有用于預測晶體材料能量載流子（如聲子、離子、電子等）輸運性質的機器學習方法僅限于少量訓練數(shù)據(jù)或某些特殊材料類型，這使得機器學習方法無法真正用于大規(guī)模新材料設計與高通量篩選。為了解決這個問題，我們開發(fā)了以原子局部近鄰環(huán)境為訓練數(shù)據(jù)的元素空間密度神經網絡力場（Elemental-SDNNFF）。受益于該算法獨特的模型架構，使得我們可以輕松利用上億級別數(shù)據(jù)來訓練單個超深、超大神經網絡。我們預測了超過十萬種無機晶體的聲子特性，這些材料涵蓋元素周期表中的63種元素以及17種不同分子式類型。我們證明了該算法的有效性和精度，與第一性原理計算相比，預測速度提高了至少3–4個數(shù)量級。我們的神經網絡模型可以提供豐富的原子尺度物理和化學信息，這有利于加深我們對物質結構-性質關系的理解。這種新的神經網絡方法不僅可以用來于快速篩選聲子熱輸運材料，還可以用于與熱輸運相關的一些應用，例如全固態(tài)電池、熱能儲存、熱電能量轉換等。

講者簡介：胡明博士現(xiàn)任美國南卡羅來納大學機械工程系教授。2006年獲得中國科學院力學研究所固體力學博士學位。胡教授在計算傳熱學方面擁有超過16年的研究經驗，尤其對微納尺度熱輸運和界面熱管理的原子模擬有多年研究。胡教授目前帶領的人工智能材料實驗室專注于大數(shù)據(jù)開發(fā)和發(fā)展機器學習算法，發(fā)現(xiàn)和設計用于先進能源工程和技術的新型材料。胡教授撰寫和合著了四本書章節(jié)和186篇具有高影響力的國際期刊文章，總被引用超過7800次（谷歌學術H指數(shù)48）。

湘潭大學物理與光電工程學院

2023年5月25日