报告人学术简介

商城，2004-2013年于复旦大学获得学士及物理化学博士学位，2013-2015在英国剑桥大学从事理论化学博士后研究。现任复旦大学化学系教授，博士生导师。主要从事理论方法及软件的开发，并应用于非均相催化模拟研究。在复杂势能面结构和反应搜寻方法发展、全局神经网络势函数构建、多组分复相催化基础理论等领域，取得了系列重要成果。发表科研论文及专著70余篇。作为主要开发人员，在2018年开发了具有自主知识产权的“基于神经网络势函数的大尺度原子模拟软件”（LASP）。软件注册用户目前2000余人，来自国际上二十多个国家和地区，并已经在包括Science、Nature、等国际重要期刊发表百余篇科研论文，预测了一系列材料结构和催化反应机理，推进了理论催化化学发展。在非均相催化理论模拟方面，主要聚焦固气、固液界面催化机理研究。获得基金委优秀青年基金资助，以及上海市自然科学奖一等奖（第三完成人）。

报告内容

基于量子力学的理论模拟已经成为化学与材料研究领域不可或缺的重要研究手段之一。然而虽然已经取得了许多重要的突破，在处理大尺度模拟时依然遇到了巨大的挑战，主要是难以调和运算速度与计算精度的矛盾。而机器学习技术在过去几年的蓬勃发展，为这一问题提供了解决思路。通过将基于机器学习的神经网络势函数与随机势能面行走方法（SSW方法）相结合，我们在过去几年开发了基于神经网络势函数的大规模原子模拟软件（Large scale Atomic Simulation with neural network Potential，LASP）。该软件主要功能包括训练并应用神经网络势函数进行势能面全局搜索及局部过渡态及反应路径搜索。目前运用LASP软件进行的理论模拟工作已经发表了百余篇论文，主要涉及催化及能源相关材料的结构及性质模拟和化学反应机理研究。本次报告将简要介绍LASP软件的基本框架和原理，以及在这材料结构和化学反应研究中的应用。