報告摘要:

The function of materials is typically ruled by a high intricacy of various processes, making explicit ab initio modeling often too complicated or even unrealistic.

Machine learning and AI enable the prediction of mean values and probability distributions of a material’s function by addressing correlations, smoothing out the detailed microscopic physics and chemistry. In this talk, I will discuss some recent examples, also addressing the frequently-ignored uncertainty of AI predictions.

Often, material functions are triggered by rare events that may be absent in the training data, smoothed away by regularization, or AI may predict fake events. I will discuss how this challenge can be solved, and I will explore how machine learning can identify "rules" and "materials genes", enabling active learning for systematic, efficient predictions of novel materials with improved functional performance and some understanding.

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。

現場參會報名方式：請于10月16日20:00前提交報名信息

線上參會方式：掃描以下二維碼

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。

主辦單位

beat365官方网站