一键总结音视频内容
Attention is All you Need
摘要
本次报告由复旦大学刘智攀教授主讲，主题为“人工智能计算模拟驱动科学发现”。报告深入探讨了大数据机器学习方法如何显著提升科学研究效率，特别是在催化领域，尤其是单原子催化剂的设计与发现。刘教授分享了其团队在理论计算、软件开发（LASK）以及结合实验验证方面的最新进展，展示了AI在加速材料设计和理解复杂催化机制方面的巨大潜力。
亮点
- 💡 原子表征技术与催化研究的挑战： 近二三十年物质科学的爆炸式发展得益于原子表征技术，但理解纳米世界的原子结构和性能仍是催化研究的难点，单原子催化概念的提出为理论计算提供了重要切入点。
- 🚀 人工智能解决传统计算模拟瓶颈： 传统理论计算受限于时间、空间、精度和效率，而人工智能凭借强大的算力和数据处理能力，有望克服这些矛盾，实现从理论设计到实验验证的全链条加速。
- 💻 LASK软件的创新与应用： 刘教授团队自主研发的LASK（大规模原子模拟神经网络势函数）软件，通过机器学习模型预测能量和动力学，已在全球27个国家拥有1900多个用户，并在多个材料计算领域取得突破。
- 🧪 AI驱动的单原子催化剂设计与验证： 报告展示了AI如何辅助发现银催化剂中的单原子活性位点，并通过理论预测与实验验证相结合，成功设计出高选择性和稳定性的乙烯环氧化催化剂。
- 🌐 全链条催化设计与未来展望： 团队致力于实现从结构自动生成、势函数构建、大规模结构搜索到关键影响因素提取的全链条催化设计，并成功应用于分子筛负载单原子催化剂的筛选与合成，预示着AI将重新定义原子模拟和催化设计。
#人工智能 #计算模拟 #科学发现 #单原子催化 #LASK