报告摘要：

　　在复杂化学体系中，能够在原子水平上精确模拟长时间的动力学演化对于理解体系的结构和功能规律至关重要。为实现复杂化学体系的高精度高效率计算模拟，报告人近年来致力于深度学习势能模型的开发与应用，在法、数据和软件三方面取得了创新成果:引入物理模型和迁移学习，开发了DPRc和QDn模型，有效提升了模型精度和泛化性;结合主动学习，构建了高质量数据集，解决了领域数据售乏问题;开发了DeePMD-kit系列软件，实现了软件易用性的大幅提升，支撑了600余项学术工作。这些方法在气相反应、生物分子及药物发现等复杂化学体系中得以应用。

报告人简介：

　　中国科学技术大学人工智能与数据科学学院副教授，博士生导师。2019年7月获华东师范大学化学专业学士学位，2025年1月获RutgersUniversity化学与化学生物学专业博士学位，2025年2月加入中国科学技术大学人工智能与数据科学学院。在人工智能与计算化学的交叉领域，长期致力于深度学习势能模型的开发与应用，主导了深度学习势能模型软件DeePMD-kit的开发。以第一或通讯作者身份在Nat.Commun.、」.Chem.Theory Comput.等期刊发表论文11篇其中1篇入选ESI高被引和热点论文，总被引数超过2000次。2024年获国家优秀自费留学生奖学金。