Machine Learning and Artificial Intelligence Seminar —— 《深度势能方法——预训练模型和长程相互作用建模》

报告摘要：

在本次报告中，我们首先回顾深度势能方法，介绍其产生的背景，模型构造，同步学习数据生成方法以及成功的应用案例等。作为报告的重点，我们介绍深度势能方法的两个最新工作：预训练模型和长程相互作用模型。深度势能预训练模型引入注意力机制，拟解决超大型数据集上的快速训练和泛化问题。我们通过可视化展示了深度势能预训练模型的可解释性。深度势能长程模型拟描述在经典短程相互作用之外，对体系性质可能产生决定性影响的静电作用。我们将通过例子说明预训练和长程模型的应用效果。

报告人简介：

王涵，北京应用物理与计算数学研究所研究员，博士生导师。2011年毕业于北京大学数学科学学院，获得理学博士学位；2011至2014年于柏林自由大学数学与计算机学院从事博士后研究。2014年加入北京应用物理与计算数学研究所，现任研究员。主要研究兴趣为分子动力学模拟中的多尺度建模与计算方法。与合作者发展了基于深度学习的原子间相互作用建模与计算方法，解决了传统方法精度和效率无法两全的困境，将第一原理精度分子动力学模拟规模推进至亿原子量级。