2022年10月25日下午15：30，北京邮电大学物理系的高昂研究员在教七402教室做了题目为“利用自洽场神经网络模型描述长程静电力”的报告。高昂老师介绍了通过神经网络进行分子模拟的一个难点是处理长程静电相互作用，传统的神经网络分子动力学模型（如Behler-Parrinello模型）只能描述分子之间的短程相互作用，高老师介绍了新的一种模型，基于自洽场理论的神经网络分子动力学模型—SCFNN模型以及其在分子动力学模拟中的应用和挑战。讲座由系统科学学院樊京芳老师主持，现场有系统科学学院近90位师生参与了讨论。

高昂现于北京邮电大学物理系担任研究员。他2012年获得清华大学物理学士学位，2017年获得美国马里兰大学帕克分校化学物理博士学位，2017-2020年在麻省理工学院从事博士后研究工作。他的研究方向包括分子动力学模拟、第一性原理计算、生物物理等。近年来在相关领域发表论文10余篇，以第一作者在Nature Communications、Proceedings of the National Academy of Sciences、The Journal of Physical Chemistry B、Chaos等期刊上发表过学术论文。

近些年来，机器学习在分子动力学模拟中得到了广泛应用。基于神经网络的分子动力学模拟的精度可以与基于量子力学的分子动力学模拟相媲美，而其运算速度却比与后者快上万倍。但是通过神经网络进行分子模拟的一个难点是处理长程静电相互作用。传统的神经网络分子动力学模型（如Behler-Parrinello模型）只能描述分子之间的短程相互作用。申请人最近提出了基于自洽场理论的神经网络分子动力学模型——SCFNN模型，SCFNN模型可以精确描述分子之间的长程静电相互作用。本次演讲将介绍SCFNN模型以及其在分子动力学模拟中的应用和挑战。

作者：王上

编辑：郝林青

审核：王大辉