学术沙龙（2022年3月18日10:30）： Machine Learning Promises a New Paradigm for Computational Materials Science

主持人： 钟定永  教授

报告简介：随着大数据时代的到来，相较于传统的第一性原理计算，机器学习在材料模拟和设计中展现出强大的预测能力。在本报告中，本人将首先介绍第一性原理计算在功能材料模拟中的应用，接下来将重点介绍本人在利用机器学习拓展第一性原理计算方面进行的探索，包括预测电池老化行为和寻找新型超导材料。

报告人简介：张云蔚，本科及博士均毕业于吉林大学物理学院。2017-2021年，先后在新加坡科技设计大学，香港大学，英国剑桥大学从事凝聚态计算物理研究。研究兴趣包含极端条件（高压、高温下）的晶体结构和电子结构相变，以及功能材料的逆向设计等。近年来研究兴趣集中在利用机器学习结合第一性原理方法模拟和预测复杂凝聚态体系，如预测锂电池老化行为、设计高温超导体等。