講座推薦 | 以DP-GEN+增強取樣策略應對溶液中的微觀難題

原子尺度的分子動力學 （MD，Molecular Dynamics）模擬是理解和預測物理、化學和生物學現象微觀機理的重要工具。然而它存在一定的侷限性：首先，很多這些重要現象發生在微觀時間尺度上，屬於稀有事件體系，遠超過常規MD模擬能夠達到的時間尺度；此外，這些現象中的化學鍵形成和斷裂需要我們採用高精度的從頭算分子動力學（AIMD，ab-inito MD）模擬，但AIMD計算非常昂貴，極大的限制了其在更大的空間以及時間尺度上進行取樣。

針對這些問題，義大利國際高等研究院 （IIT） Michele Parrinello 團隊楊滿意博士等人採用Deep Potential （DP） 方法，構建具有AIMD精度的神經網路勢函式，隨後高效低成本地對體系的微觀行為進行研究。

本週，楊滿意博士將在鈺沐菡·2021·直播公開課分享該策略在理解尿素分子的水解反應，以及探索磷的液液相變行為中的應用。歡迎大家北京時間週日晚上8點收聽講座~

楊滿意

2013年本科畢業於中南大學化學化工學院，博士（直博）師從南京大學化學化工學院黎書華教授。2019年獲得博士學位，隨後加入Michele Parrinello 教授團隊， 先後在蘇黎世聯邦理工學院（2019年8月~2020年12月）和義大利國際高等研究院（2021年1月 ~ 至今）從事博士後研究工作。主要研究方向包括開發反應路徑自動搜尋軟體及方法，化學反應的機理研究及理論設計，以及機器（深度）學習在溶液中化學反應、材料學等交叉研究領域的應用。

參與方式

日期：2021年10月24日

時間：北京時間20：00 | 歐洲時間14：00

ZOOM 線上直播

ZOOM ID： 850 5503 6096

——————————————-

相關閱讀

DP-GEN+增強取樣揭開磷的液-液相變之謎

DP-GEN+增強取樣在溶液中化學反應的應用

【DP系列教程】 DP-GEN之增強取樣