主讲人：刘悦 施思齐

主讲人简介：

刘悦，博士，上海大学计算机工程与科学学院教授，博士生导师。2012年9月-2013年9月于墨尔本大学电子与电气工程系做访问学者。专注机器学习及其应用研究22年。目前主要从事机器学习、数据挖掘、深度学习可解释性、AI for Materials Science研究。在National Science Review、Science Bulletin、Acta Materialia、Pattern Recognition、Information Sciences等期刊发表论文80多篇（3篇ESI高被引）。获2019中国物理学会最有影响论文一等奖，中国硅酸盐学会2021年度“高影响力论文”奖。目前正在主持国家自然科学基金重大研究计划培育项目、面上项目以及国家重点研究计划项目子课题，参与国家自然科学基金重点项目。开展的“基于机器学习的电解液配方优化设计”研究成果赋能全球最大的锂离子电池制造商宁德时代新开发了多款电池，较采用传统电解液提升电池寿命20%~30%。获上海市地震局防震减灾应用技术研究成果优秀成果一等奖等科技成果奖3项。担任上海大学学术委员会教学指导专委委员，上海高校一流本科课程负责人。

施思齐，教授，博士生导师，现任职于上海大学材料科学与工程学院和材料基因组工程研究院，国家优秀青年科学基金获得者(2016年)。2004年7月博士毕业于中国科学院物理研究所，师从陈立泉院士和王鼎盛院士。2004年8月至2013年5月先后在日本产业技术综合研究所、美国内布拉斯加州-林肯大学和美国布朗大学做博士后或访问学者。主要研究方向为电化学储能材料的计算与设计、材料数据库与机器学习，致力于推动人工智能赋能材料研发。2001年率先在国内应用第一性原理计算研究锂离子电池材料。已在Nat Catal、Chem Rev、Prog Mater Sci、Natl Sci Rev、Adv Mater等期刊发表论文180余篇。出版《电化学储能中的计算、建模与仿真》专著一本。创建具有独立自主知识产权的电化学储能材料计算与数据平台。承担国家自然科学基金、国家重点研发计划等项目12项。目前是中国硅酸盐学会固态离子学分会理事、中国材料研究学会计算材料学分会委员。担任《Computational Materials Science》、《Journal of Materials Informatics》、《储能科学与技术》、《硅酸盐学报》、《物理化学学报》、中国物理学会“四刊”和《中国科学：技术科学》等期刊(青年)编委。

讲座摘要：

虽然数据驱动的机器学习在材料性能预测和新材料发现方面表现出了优异的能力。然而，其面临的高维度与小样本数据的矛盾、模型的复杂性和易用性的矛盾以及模型学习结果与领域知识的矛盾，极大影响了机器学习的可用性和可信度，阻碍了机器学习在材料科学领域的进一步推广与发展。聚焦上述三大矛盾，本报告以符号主义和联结主义的融合为理论基础，提出数据和知识双向驱动且具有一定可解释性的机器学习新方法——领域知识嵌入的机器学习，旨在为调和三大矛盾提供有效策略并为AI for Science与材料科学的深度融合研究予以启示。同时，围绕镍基单晶高温合金蠕变构效关系挖掘和固态电解质材料激活能预测等问题，对领域知识嵌入的机器学习及AI for Materials Science相关工作进行详细介绍并作展望。

时间：6月7日19：00

地点：腾讯会议：104-765-935