题 目：数智驱动的激发态载流子动力学

报告人：褚维斌 研究员

时 间：2025年5月9日(星期五)上午10:30

地 点：虎溪校区第一实验楼DS1220(量子中心会议室)

邀请人：付会霞

报告摘要：激发态载流子动力学是能源与信息领域的核心科学问题，深入理解并精准调控这一过程对推动相关技术突破具有决定性意义。实时含时密度泛函理论与非绝热分子动力学虽是研究激发态载流子动力学的强大工具，但其计算成本较传统基态计算高出数个量级。近年来，以神经网络为代表的深度学习技术凭借其从海量数据中挖掘隐含关联的卓越能力，在无需构建完整物理模型的前提下显著降低了模拟计算量，使数据驱动方法有望替代传统数值算法。通过将机器学习与非绝热分子动力学方法有机结合，我们期望在激发态载流子动力学模拟的尺度、精度和效率三方面实现协同突破。本报告将系统阐述机器学习赋能计算物质科学的最新进展，包括势函数构建、电子结构计算及非平衡动力学模拟。特别地，我将介绍我们开发的基于图神经网络的非绝热分子动力学模拟框架N2AMD，该框架实现了大尺度杂化泛函非绝热分子动力学模拟，不仅大幅提升了模拟效率与精度，更为突破现有非绝热分子动力学的固有局限开辟了新途径。