AI for Science 是一种新兴科研范式，旨在将 AI 深度融合到科学研究的各个环节，从数据处理、仿真模拟、实验研究，到发现新的科学规律，从而加速科学发现。AI for Science 已在多个领域取得了令人瞩目的成果，材料计算便是其中之一。

材料计算是一个跨学科领域，它融合了物理学、化学、材料科学和计算机科学等不同学科的专业知识，使用计算模型和算法来研究材料的微观结构、电子结构、力学性能、热力学性质等。材料计算可以帮助科研人员设计新材料，优化现有材料的性能，并在不实际制造材料的情况下预测材料在不同条件下的行为，从而大幅节省科研时间和成本。

7月23日14:00，智猩猩在线研讨会 NVIDIA AI for Science 专场将开讲，聚焦AI驱动下的材料计算加速。清华大学深圳国际研究生院博士后杨鑫、NVIDIA 解决方案架构师马四腾将分别以《AI驱动下的新能源材料研究与发现》、《NVIDIA Modulus 加速 AI 驱动的材料计算》为主题进行直播讲解，并在线答疑。

主题介绍

清华大学深圳国际研究生院博士后杨鑫：AI驱动下的新能源材料研究与发现

内容概要：

近年来，机器学*力场逐渐成为帮助科学家研究和发现新材料的重要工具。在众多机器学*力场中，等变图神经网络等模型表现出了堪比量子化学计算的高精度，并且具备极低的计算成本。然而，收集足够的量子化学训练数据以开发相应的机器学*力场仍然是一项耗时耗力的挑战。

为了加速这一过程并优化机器学*力场的开发和应用，清华大学深圳国际研究生院博士后杨鑫团队建立了一套主动学*工作流，旨在自动化标记量子化学数据和训练一系列先进的AI模型。这一工作流显著提高了多个新材料领域的研究速度和效率。杨鑫博士团队应用主动学*工作流进行重要化学反应的机理研究，探索并发现了新型纳米合金材料，有效加速了电池材料的研究。

本次研讨会，杨鑫博士首先会介绍机器学*力场开发中面临的挑战，并概述如何通过预训练模型和主动学*来解决这些问题。此外，杨鑫博士还将介绍几个通过主动学*工作流加速材料模拟研究的案例。

NVIDIA 解决方案架构师马四腾：NVIDIA Modulus 加速 AI 驱动的材料计算

内容概要：

人工智能正在彻底改变科学研究的方式，在材料计算领域中，加速材料发现和设计过程，提高模拟精度，实现大规模数据分析，促进跨学科融合，开辟新的研究方向，显著提升研究效率和创新能力。

为了进一步推动 AI for Science 的发展，NVIDIA 推出了 Modulus 开源框架。这一框架不仅引入了如 PINNs、Neural Operator、GNN、Diffusion Model 等先进的 AI 模型，还支持参数化设计和 GPU 多节点线性扩展，使得无论是缺乏 AI 专业知识的用户还是经验丰富的开发者，都能快速响应行业对 AI 技术的迫切需求。

本次研讨会中，马四腾首先会概述 Modulus 中的 AI 模型及其显著优势，之后将分享一些近期加速 AI 驱动材料计算的案例。

版权声明：本文转载于今日头条，版权归作者所有，如果侵权，请联系本站编辑删除