报告题目：人工智能在新材料研发创新中的应用

报告人：刘兴军

报告时间：11月12日14:30-15:25

报告地点：信远I-305教室

报告内容：新材料是指新近发展或正在发展的具有优异性能的结构材料和有特殊性质的功能材料，是信息、生物、航天、能源等其它高新技术产业的先导和基础。随着世界经济的高速发展，新材料的开发和实际需求的矛盾日益突出。近年来，随着计算机技术的迅猛发展，利用人工智能与大数据技术开发新材料成为一种新的解决方案。人工智能和数据科学的核心是机器学习，为计算机科学与统计学之间的一门交叉学科。机器学习在材料科学领域中的应用核心是基于算法，建立描述材料四要素（成分、工艺、微观组织、性能）之间数学关系的预测模型。机器学习适用于解决类似材料种类多、影响因素繁杂等问题，这些是传统数据分析及材料计算方法无法有效解决的难题。以新型钴基高温合金为例，使用机器学习算法从128000种可能的成分中筛选出了5种候选成分，成功预测了合金的强化相体积分数、熔点与力学性能，该预测结果与实验结果吻合，极大地缩短了研发周期，提高了合金的开发效率。使用机器学习算法成功开发了出性能优异的新型钴基高温合金，该算法同样适用于加速研发其他新材料。

报告人简介：现任哈尔滨工业大学（深圳）教授，厦门大学讲座教授，哈尔滨工业大学（深圳）材料基因与大数据研究院院长，国家杰出青年科学基金获得者，深圳市国家级领军人才。现为国家新材料产业发展战略咨询委员会委员、中国空间科学学会空间材料委员会副主任、中国物理学会相图专业委员会副主任、中国材料研究学会常务理事、深圳市腐蚀与防护学会理事长、深圳市真空协会副理事长、福建省金属学会副理事长、厦门市新材料产业协会名誉会长、《Journal of Materials Informatics》执行主编。主要研究方向：高温合金、材料设计理论、材料基因工程等。在Science，Nature Comm., Phys. Rev. Lett, PNAS, Small, Acta Mater.等学术刊物上发表论文430篇，论文引用7000余次，获得授权国家发明专利51项。并获得国际及省部级学术奖励十余项。

报告题目：氮化物半导体的分子束外延生长及其微波功率器件应用

报告人：杨眉

报告时间：11月12日15:25-15:55

报告地点：信远I-305教室

报告内容：氮化物半导体具有禁带宽度大、击穿场强高、电子迁移率和饱和速度高等特点，此外氮化物半导体异质结界面可以形成极化诱导的高密度二维电子气，这些因素使得氮化物微波功率器件表现出大功率、高效率、耐高温和抗辐照等优势。不断提升氮化物微波功率器件的效率，并拓宽其频率和功率应用范围是该领域的主要目标。本报告主要从外延材料的角度探究制约上述目标实现的关键问题和解决方法，着重介绍GaN单晶薄膜和超薄AlN/GaN异质结的分子束外延生长，基于重掺杂n型GaN的源漏分子束外延再生长技术等内容。

报告人简介：杨眉，博士，2004年到2014年就读于中山大学，本科专业为材料物理，研究生专业为凝聚态物理。2014年起，在西安电子科技大学先进材料与纳米科技学院从事教学与科研工作。长期从事氮化物材料及其电子器件应用方面的工作，旨在通过氮化物材料的结构设计和可控生长提升器件的效率和频率等特性，并希望开拓氮化物材料的新应用，以使这个独特的材料体系尽可能地发挥出自身的潜力。

报告题目：纳米线储能材料与器件

报告人：麦立强

报告时间：11月12日15:55-16:50

报告地点：信远I-305教室

报告内容：由于一维纳米材料具有奇异的化学、物理效应，在能源领域的研究中发现其具有许多独特的性能。纳米线电极材料具有高的比容量等优点，但容量的快速衰减依然是电化学储能研究中的关键问题。近年来原位表征越来越多地应用于纳米技术中，为进一步研究电极材料容量衰减的本质，本工作设计并组装了可同时用于微纳系统支撑电源及原位检测微纳电池性能的单根纳米线全固态锂离子电池，通过原位表征建立了纳米线的电输运、结构与电极充放电状态的直接联系，发现电导率下降和结构劣化是导致容量衰减的关键因素。最近，我们将V2O3组装于碳纳米管中并和还原氧化石墨烯复合得到了优异的储钠电极材料，具有超长的循环寿命和极佳的倍率性能。此外，我们构筑了三维N掺杂石墨烯/TiN纳米线复合物作为锂硫电池的无支撑电极，高度多孔的石墨烯网络提供了增强的电子/离子电导率，TiN纳米线对多硫化物有很强的化学锚定作用，在0.5 C的电流循环100圈后，仍能保持1267 mAh g−1的容量，在商用聚丙烯隔膜中引入含氧空位的TiO2纳米片改性层，可进一步提升锂硫电池的循环能力。我们还设计了一种Mg2+和晶格水协同预嵌入的双层Mg0.3V2O5·1.1H2O纳米线，Mg2+提供了较高的导电性和良好的结构稳定性，晶格水由于具有电荷屏蔽作用而使Mg2+能快速迁移，该材料在循环10000圈后能有80%的容量保持率，另外，通过简单地调控锰镍基层状氧化物中的K+含量，能够有效调控K+/空位无序化，得到更优异的储钾性能。这些一维纳米材料的设计与合成为高性能储能器件的构筑提供了新思路和新方法。

报告人简介：麦立强，武汉理工大学材料学科首席教授，博士生导师，武汉理工大学材料科学与工程学院院长，国家重点研发计划项目首席科学家，英国皇家化学学会会士，国家重点研发计划“纳米科技”重点专项总体专家组成员、国家“十四五”材料领域重点专项指南编制专家。2004年在武汉理工大学获工学博士学位，随后在美国佐治亚理工学院（2006-2007）、哈佛大学（2008-2011）、加州大学伯克利分校（2017）从事博士后、高级研究学者研究。获国家杰出青年科学基金资助，入选多个国家级高层次人才计划。

主要研究方向为纳米储能材料与器件。构筑了国际上第一个单根纳米线固态储能器件，创建了原位表征材料电化学过程的普适新模型，率先实现了高性能纳米线电池及关键材料的规模化制备和应用。发表SCI论文380篇，其中Nature 1篇，Nature和Science子刊12篇；获授权国家发明专利100余项。在美国MRS、ACS、ECS等重要国际会议做大会报告、主旨报告、特邀报告70余次。作为大会主席组织Nature能源材料会议、第十届中美华人纳米论坛等重要国际会议10余次。主持国家重点研发计划、国家自然科学基金重点项目等30余项。获国家自然科学奖二等奖（第一完成人）、何梁何利基金科学与技术创新奖（青年奖）、科睿唯安全球高被引科学家、教育部自然科学一等奖（第一完成人）、英国皇家化学会中国高被引作者、中国青年科技奖、光华工程科技奖（青年奖）、湖北省自然科学一等奖（第一完成人）、侯德榜化工科学技术奖（青年奖）、国际电化学能源科学与技术大会卓越研究奖，入选“国家百千万人才工程计划”，并被授予“有突出贡献中青年专家”荣誉称号，享受国务院政府特殊津贴。任J. Energy Storage副主编，Adv. Mater.、Chem. Rev.客座编辑，Natl. Sci. Rev. 学科编辑，Acc. Chem. Res.、Joule、ACS Energy Lett.、Adv. Electron. Mater.、Small国际编委，Nano Res.、Sci. China Mater.编委。

报告题目：拓扑与非厄米量子态——新型量子信息材料

报告人：刘伍明

报告时间：11月12日16:50-17:45

报告地点：信远I-305教室

报告内容：拓扑与非厄米量子态的发现极大地拓宽了人们对于自然界认知的视野。2016年诺贝尔物理学奖授予了David J. Thouless, F. Duncan M. Haldane, J. Michael Kosterlitz教授，以表彰其在拓扑物态、拓扑相变方面的研究。1998年，Bender和Boettcher发现具有宇称-时间反演对称（PT-对称）的非厄米哈密顿量也可以存在全为实数的能谱，这一发现使得具有PT对称性的非厄米系统受到关注。我们发展可积模型、量子场论、第一性原理、团簇动力学平均场结合连续时间蒙特卡洛方法，系统地计算了冷原子系统、光学系统、二维材料、半导体系统、强关联系统的Chern数、Berry位相、Majorana费米子、Weyl费米子等，研究其拓扑量子态例如拓扑超导、拓扑超流、拓扑超固、拓扑量子相变、强关联拓扑效应、反常量子Hall效应、自旋Hall效应等新奇量子态和量子效应，以及非厄米拓扑系统的物理性质，如分数化的拓扑数、体边对应关系的破坏、非厄米趋肤效应、非厄米拓扑数等。

报告人简介：刘伍明，男，1994 年获中国科学院金属研究所博士学位，并获 1994 年中国科学院院长奖学金特别奖。1994 年至 2002 年，先后在中国科学院物理所、理论物理所、美国 Texas 大学、美国 Delaware 大学作博士后和工作。2002 年至今，任中国科学院物理所研究员、博士生导师、国家杰出青年基金获得者、国家973计划首席科学家、国家重点研发计划项目首席科学家。研究领域为原子分子物理、光物理和凝聚态物理。发展可积模型、量子场论等解析方法和团簇动力学平均场方法等数值方法，研究具有自旋-轨道耦合、非厄米、强关联、无序效应等量子多体系统的基态、激发态、拓扑态的精确解及其奇异性质，例如拓扑超固态、Mott 绝缘态、自旋液体态等新物态及其拓扑量子相变等。已在《科学引文索引》（SCI）收录的刊物上发表论文415篇，其中美国物理学会主办的 Physical Review Letters 16 篇，Physical Review A/B/D/E 170 篇，得到了诺贝尔物理学奖获得者Eric A. Cornell、Wolfgang Ketterle教授等人的正面引用并被写入其综述文章中，被SCI他引 15500 次。曾获中国人民解放军科技进步奖一等奖、北京市科学技术奖一等奖等10项奖励。

报告题目：深度学习在计算材料学中的应用

报告人：何日

报告时间：11月13日9:00-10:30

报告地点：信远I-118教室

腾讯会议ID：907 780 780

报告内容：在计算材料学中，对于晶体材料相变动力学过程的模拟往往需要涉及较大的时间和空间尺度。基于密度泛函理论(DFT)的第一性原理计算具有很高的精度，但是由于自洽迭代求解所带来的巨大计算量，利用该方法来研究材料在大尺度（百万原子）下的动力学过程仍存在着诸多挑战；而利用分子动力学（MD）方法来研究材料的相变动力学性质往往需要高精度的势场。传统经验势场的开发是通过少量参数拟合得到的，存在精度较差、开发周期长等诸多问题，故当前有大量材料体系没有合适的经验势场来进行MD模拟。因而有必要寻找一种能够在DFT精度下模拟百万原子体系在纳秒尺度下的动力学过程方法。深度学习给上述问题的解决提供了一套全新的思路。通过对大量DFT计算数据进行深度学习，可以构建出一个用深度神经网络来表示材料体系的经典势场，该势场在具有DFT精度的同时，可以实现高效率的MD模拟，为研究复杂体系在大尺度下的动力学过程提供了可能。本报告以凝固态物理中的经典材料体系SrTiO3为例，详细讲解了基于深度神经网络构建DFT级精度势函数的方法，并利用该势场实现了对于大尺度体系SrTiO3动力学性质的研究。

报告人简介：何日，2012年本科毕业于沈阳建筑大学材料科学与工程专业, 2018年博士毕业于东北大学材料学专业，博士后工作于中国科学院宁波材料技术与工程研究所，现为中国科学院宁波材料技术与工程研究所助理研究员。长期从事计算物理和计算材料学方向的研究工作，综合运用第一性原理密度泛函理论计算和大尺度分子动力学和相场模拟，研究复杂氧化物的结构和物性关系，目前已在ActaMaterialia、ACS Appl. Mater. Interface、Phys. Rev. B期刊发表学术论文 10 余篇。