汪林望
中国科学院半导体研究所，沈阳
详细摘要：超级计算机的发展为材料研发带来了新的机遇。 随着超算力的提升，以及算法的改进，基于量子力学的第一性原理计算已经可以计算上千原子的体系。 使用线性标度算法， 这一极限可被推至百万甚至千万原子。这种大规模计算，可让我们研究不同的纳米材料，非晶材料，以及材料的位错，晶介等性质。 为进一步加大计算规模与模拟时间，器件学习力场成为另一种非常有前景的模拟方式。 通过对中小体系进行高通量第一性原理计算，大量高质量的数据可以被产生。 通过学习这些数据，我们可以发展具有第一性原理精度的机器学习力场。 这些力场与分子动力学或蒙特卡洛相结合，可以用来模拟更大，时间更长的材料力学现象。
关键词：多模态；DP钢；拉伸性能；深度学习
汪林望，男，1985年本科毕业于上海交通大学；1991年毕业于美国康奈尔大学，获得理学博士学位。 1992-1999年，任职于美国再生能源实验室，分别担任博士后以及研究员职位。 1999- 2021年，任职于美国劳伦斯伯克利国家实验室，担任研究员与资深研究员职位。 2022年至今，担任中国科学院半导体所研究员。汪林望博士主要从事大规模材料计算的算法研究，在半导体低维结构、 计算材料科学以及能源材料科学等多方面取得了多项具有国际重要影响力的原创性研究成果， 发展了包括已被广泛使用的PEtot、Escan、LCBB、LS3DF 等在内的十多种算法和材料计算与器件模拟程序，于2006年荣获美国物理学会会士(APSFellow), 2008年获得国际高性能计算应用领域最高奖”戈登·贝尔”奖。 汪林望至今共发表SCI论文400余篇，包括9篇Science和Nature,80余篇PRL、JACS和NanoLett级别论文。论文总引用次数达33000余次，H-index为90。