2024年10月17日，beat365官方网站學術論壇（第四十三講）在beat365思源多功能廳成功舉辦。德國弗裡茨-哈伯研究所理論部創始主任、德國科學院院士Matthias Scheffler教授應邀作了題為“人工智能在材料科學應用中的機遇與挑戰”（Artificial Intelligence in Materials Science: Impact, Uncertain Expectations, and Open Challenges）的學術報告。本次論壇由beat365凝聚态物理與材料物理研究所李新征教授主持。

李新征主持

伴随着“基于人工神經網絡的機器學習”與“蛋白質預測”橫掃2024年諾貝爾物理學獎和化學獎，AI for Science已從最初的一句口号，演變為席卷科研界的浪潮。從基于樸素觀察與歸納的經驗主義範式（empirical science），到基于數學抽象與推導的模型建構範式（theory），再到基于第一性原理複現真實世界的計算模拟範式（computational science），材料科學研究在其發展過程中已經曆三次變遷，而Scheffler教授認為，當下人工智能的興起正帶來一種全新的研究範式——以數據為核心的AI範式。

Matthias Scheffler作報告

Scheffler教授首先回顧曆史，指出數據共享的價值。其威力早在16世紀已見端倪，正是第谷毫無保留地向開普勒分享自己的觀測記錄，才使後者有機會總結出行星運動三定律。在他主導發展的NOMAD（NOvel MAterials Discovery）項目中，已收錄一千萬餘條原始記錄，并将其編纂為上億條結果與百億條數值指标，緻力于将其發展為一個通用的材料數據庫，為後續基于人工智能的高通量材料計算奠定基礎。

随後，Scheffler教授提到了目前機器學習勢能面（machine-learned potential）所遇到的瓶頸。該方法依賴大量第一性原理計算的原始數據作訓練集，其對于小概率發生的稀有事件描述不準确，無法有效反饋到以整體誤差為判據的訓練結果中，因而産生物性估計的謬誤。Scheffler教授指出，通過引入不确定性估計（uncertainty estimation）和主動學習（active learning）策略，有望衡量和緩解這一問題。

最後，Scheffler教授也介紹了用于搜尋材料特征描述子的SISSO框架。面向特定物性的材料優化搜尋，本質上是在超高維空間中尋找參數間的關聯，想要洞悉複雜物性并給出背後的簡單特征描述子，借助傳統理論或物理直覺已不太可能。SISSO框架通過綜合應用符号回歸和壓縮感知技術，能夠發現具有預測性的描述子。Scheffler教授也以尋找低熱導材料為例，展示了該方法的威力。

報告現場

作為德國弗裡茨-哈伯研究所理論部的創始主任，Scheffler教授以計算物理範式領軍者和AI範式開拓者的身份，在本次報告中分享了他發展材料基因庫NOMAD項目的初衷、以及對人工智能在材料科學中廣闊前景的洞見，使線上線下的聽衆受益匪淺。報告結束後，與會師生也與Scheffler教授展開了深入的讨論交流。

現場互動

在本次論壇的總結緻辭中，李新征教授對Scheffler教授的精彩報告表示衷心感謝，彭良友教授代表beat365官方网站贈與紀念品。

彭良友代表beat365官方网站向Scheffler教授贈予紀念品

報告人簡介：

Matthias Scheffler教授，德國弗裡茨-哈伯研究所理論部創始主任，德國科學院院士，是凝聚态物理、物理化學等領域具有世界影響的一位學者。Scheffler教授長期從事第一性原理材料計算模拟和軟件開發工作，其研究工作涉及電子結構方法、表面催化、熱輸運、熱電材料、無機/有機雜化材料、生物物理、以及材料大數據分析等多個領域，并主導開發了全電子第一性原理計算軟件包FHI-aims以及計算材料學領域最大的數據庫之一的NOMAD。在其研究生涯中已發表論文600餘篇，h因子為153。Scheffler教授2002年當選柏林-勃蘭登堡科學與人文學院院士，并于2017年當選德國國家科學院院士，曾獲馬克斯–普朗克研究獎（2001年）、馬克斯–玻恩獎（2004年）、恩斯特–馬赫獎（2008年）在内的多個國際著名獎項。

beat365官方网站學術論壇：

beat365官方网站學術論壇創辦于2020年9月，邀請國内外高校和研究機構高層次科技創新領軍學者就物理學及相關領域的基礎前沿探索、關鍵技術突破和熱點問題等做學術演講，旨在推進高質量學術交流，促進學科交叉融合和開拓新興特色方向研究，培養具有科學精神、全球視野、創新能力、批判性思維的優秀青年人才。

回放鍊接：https://www.koushare.com/live/details/37997