AI for Science 是一种新兴科研范式，旨在将 AI 深度融合到科学研究的各个环节，从数据处理、仿真模拟、实验研究，到发现新的科学规律，从而加速科学发现。AI for Science 已在多个领域取得了令人瞩目的成果，材料计算便是其中之一。

材料计算是一个跨学科领域，它融合了物理学、化学、材料科学和计算机科学等不同学科的专业知识，使用计算模型和算法来研究材料的微观结构、电子结构、力学性能、热力学性质等。材料计算可以帮助科研人员设计新材料，优化现有材料的性能，并在不实际制造材料的情况下预测材料在不同条件下的行为，从而大幅节省科研时间和成本。

7月23日14:00，智猩猩在线研讨会 NVIDIA AI for Science 专场将开讲，聚焦AI驱动下的材料计算加速。清华大学深圳国际研究生院博士后杨鑫、NVIDIA 解决方案架构师马四腾将分别以《AI驱动下的新能源材料研究与发现》、《NVIDIA Modulus 加速 AI 驱动的材料计算》为主题进行直播讲解，并在线答疑。

主题介绍

清华大学深圳国际研究生院博士后杨鑫：AI驱动下的新能源材料研究与发现

内容概要：

近年来，机器学习力场逐渐成为帮助科学家研究和发现新材料的重要工具。在众多机器学习力场中，等变图神经网络等模型表现出了堪比量子化学计算的高精度，并且具备极低的计算成本。然而，收集足够的量子化学训练数据以开发相应的机器学习力场仍然是一项耗时耗力的挑战。

为了加速这一过程并优化机器学习力场的开发和应用，清华大学深圳国际研究生院博士后杨鑫团队建立了一套主动学习工作流，旨在自动化标记量子化学数据和训练一系列先进的AI模型。这一工作流显著提高了多个新材料领域的研究速度和效率。杨鑫博士团队应用主动学习工作流进行重要化学反应的机理研究，探索并发现了新型纳米合金材料，有效加速了电池材料的研究。

本次研讨会，杨鑫博士首先会介绍机器学习力场开发中面临的挑战，并概述如何通过预训练模型和主动学习来解决这些问题。此外，杨鑫博士还将介绍几个通过主动学习工作流加速材料模拟研究的案例。

NVIDIA 解决方案架构师马四腾：NVIDIA Modulus 加速 AI 驱动的材料计算

内容概要：

人工智能正在彻底改变科学研究的方式，在材料计算领域中，加速材料发现和设计过程，提高模拟精度，实现大规模数据分析，促进跨学科融合，开辟新的研究方向，显著提升研究效率和创新能力。

为了进一步推动 AI for Science 的发展，NVIDIA 推出了 Modulus 开源框架。这一框架不仅引入了如 PINNs、Neural Operator、GNN、Diffusion Model 等先进的 AI 模型，还支持参数化设计和 GPU 多节点线性扩展，使得无论是缺乏 AI 专业知识的用户还是经验丰富的开发者，都能快速响应行业对 AI 技术的迫切需求。

本次研讨会中，马四腾首先会概述 Modulus 中的 AI 模型及其显著优势，之后将分享一些近期加速 AI 驱动材料计算的案例。


                                        
友情提示
本站部分转载文章，皆来自互联网，仅供参考及分享，并不用于任何商业用途；版权归原作者所有，如涉及作品内容、版权和其他问题，请与本网联系，我们将在第一时间删除内容！  
                                        
联系邮箱：1042463605@qq.com