报告摘要
“AIfor Materials”旨在通过先进的人工智能技术，促进具有卓越性能的新材料设计并增强我们对成分-结构-性能关系的理解。本次报告将分为两部分:材料科学中小型/大型原子模型和大型语言模型的应用。在第一部分中，我们将讨论小型AI原子模型在原子模拟中的应用，重点介绍结构材料中缺陷性质的研究，包括镍基和钛基合金。然后，将介绍我们在涵盖元素周期表中53种元素的合金大型原子模型方面的最新工作。在第二部分中，我将探讨基于通用大语言模型(如GPT-4、Gemini-Pro等)开发的材料专用大语言模型，进行材料性能分类和预测。我们未来的研究将集中在利用人工智能方法，特别是语言模型和深度神经网络设计先进的结构、铁电和电池材料，并理解相关的物理现象。
主讲人简介
文通其，香港大学机械工程系的研究助理教授，2014年本科毕业于西北工业大学，2019年获得西北工业大学和美国Ames National Laboratory的联合博士学位。他的研究兴趣包括机器学习势、缺陷性质的原子尺度模拟、高熵材料以及液体和非晶材料性能的模拟，从2020年至2022年，文通其博士先后在香港城市大学高级研究院和香港大学机械工程系担任博士后研究员。他在《Acta Materialia》、《npj Computational Materials》、《Advanced Science》和《Physical Review B》等期刊上发表了30多篇SCI论文，引用次数超过1700次，他的研究成果为他赢得了由美国陶瓷学会设立于1949年的Ross Cofin Purdy Award。他是DeepModeling的主要贡献者之一，DeepModeling是物质科学深度学习领域中最大的开源社区之一。
