机器学习辅助的材料模拟
张林峰
北京深势科技有限公司
详细摘要:精度与效率难以兼得是长期以来困扰材料模拟领域的问题。过去几年来,深度势能(Deep Potential)方法通过有机结合机器学习、物理模型、高性能计算,系统加速材料体系第一性原理精度的分子动力学模拟,已经在合金、半导体、电池等体系的材料模拟问题上产生了广泛的影响。我将介绍相关方法,以及DeePMD-kit、DP-GEN等相关开源软件,以及在各个领域的相关应用。最后,我将特别展望面向未来,我们该在软件工程化等方面做怎样的努力。
北京深势科技有限公司创始人、首席科学家。2020年博士毕业于普林斯顿大学应用数学系,2016年本科毕业于北京大学元培学院。林峰通过有效结合机器学习和多尺度建模方法,有效解决了计算化学、分子模拟、增强采样等方向中的一些关键问题。共发表40余篇论文,发展了DeePMD-kit等开源软件和DeepModeling开源社区。林峰作为核心开发者的工作获得2020年度高性能计算领域最高奖ACM戈登贝尔奖。