题目： 机器学习力场在磁电材料研究中的应用
报告人：何日 副研究员 中国科学院宁波材料技术与工程研究所
时间：2026年10月23日 11:00-12:30
地点：科创港校区材料科学与工程学院A427
主持人：彭威
邀请人：材料科学与工程学院
报告人简介：
何日，中科院宁波材料所副研究员，博士毕业于东北大学，在华南师范大学进行博士后研究，入选国家级高层次人才计划青年项目。致力于铁电铁磁材料的理论研究，近年来聚焦于将AI for Science范式引入铁电研究领域，发展了能够精确描述原子核量子效应的机器学习力场量子热浴方法，突破计算精度与尺度间的瓶颈，实现从微观到介观的跨尺度材料模拟，揭示凝聚态物理中复杂磁电功能材料的构效关系和新奇物性，最终设计有应用价值的磁电功能材料。主持国自科青年科学基金B类、C类和面上等项目，以一作或通讯在Science、Nat. Chem.、PRL等物理、化学和材料类期刊发表论文70余篇。
报告摘要：
在铁电或磁性材料领域，大量关键科学问题会涉及多畴复杂结构和结构相变。理论计算上对于磁/结构相变、畴演化等动力学过程的模拟往往需要涉及较大的时间空间尺度。密度泛函理论(DFT)的第一性原理计算和分子动力学(MD)方法存在精度和效率难以兼得的问题。机器学习力场给上述问题的解决提供了一套全新的思路。通过对大量DFT计算数据进行深度学习，可以构建出一个用深度神经网络来表示材料体系的势场，该势场在具有DFT精度的同时，可以实现高效率的MD大尺度原子模拟，为研究复杂铁电体系在大尺度下的动力学过程提供了可能。本报告以典型的钙钛矿铁电、二维范德华铁电，以及分子铁电材料为例，详细阐述了如何利用机器学习力场实现铁电材料大尺度原子结构动力学性质模拟，从而解决铁电材料领域关键科学问题的案例。
