报告题目： 全局神经网络势函数方法和合成气转化催化应用

报告人：刘智攀  教授

主持人：袁清红  研究员

时间：2019-05-28 10:00

地点：理科大楼A814

报告人简介：

刘智攀男，1976年生。现任复旦大学教授、博导。2000-2003年在英国女皇大学攻读理论化学博士学位，2003-2005在英国剑桥大学从事关于表面科学理论的博士后研究。目前主要从事理论计算化学方法发展和表界面化学反应过程的模拟计算。近年来在复杂势能面搜寻方法发展，全局神经网络势函数构建，多组分复相催化基础理论等领域，取得了系列重要成果，建立了一套较完善的理论催化研究框架，推进了理论催化化学发展。发展了新型固液界面溶剂化模型理论方法，阐明了裂解水等系列重要固液界面光/电化学催化的动力学过程；发展了新型全局路径搜索方法，随机表面行走方法，用于自动化寻找复杂反应网络，在固体相变理论方面取得重要突破。主持科技部重点研发纳米科技项目，973课题,国家自然科学基金重点课题等多项国家级项目课题。已经发表SCI收录论文130余篇，其中J. Am. Chem. Soc 24篇，论文总引用数7000多次。曾获得基金委杰出青年基金资助，2004年国际化学与应用化学学会（IUPAC）青年化学家奖，2007年中国化学会青年化学奖，2008年第四届上海市青年科技英才等。担任科学通报，中国科学化学，J. Chem. Phys.，Chem. Phys. Lett.编委，J. Phys. Chem. A/B/C 高级编辑。

报告内容简介：

如何设计高效专一的催化材料一直是物理化学的基本问题。其中对于催化剂的结构以及催化的活性位的表征和深度理解，是通向催化剂理性设计的关键。从理论化学的角度来说，当前表界面电子结构计算和大规模模拟的瓶颈明显，进展缓慢，纳米级别的复杂催化反应体系的计算模拟变得极为困难。为了摆脱此困境，进行大规模、长时间材料和催化过程的原子模拟，近期，我们课题组发展了基于全局势能面的机器学习神经网NN势函数，并结合已有的Stochastic Surface Walking (SSW)全局优化算法，过渡态方法等，形成了一个具备较完整功能的大规模原子模拟软件包，Large Scale Atomic Simulation Package with Neural Network Potential (LASP),并形成网页服务 www.lasphub.com。本报告最后着重介绍我们近期在全局神经网络势函数方法发展，数据采集，化学反应人工智能预测，以及在ZnCrO合成气催化转化的进展和一些体会。