与物理所、清华、北大、AISI、SISSA研究人员一起，聚焦量子机器学习｜MLST期刊在线研讨会开放注册

●王磊研究员2006年本科毕业于南京大学，2011年在中国科学院物理研究所获得博士学位，此后在苏黎世联邦理工学院从事计算量子物理的博士后研究，2016年加入中科院物理所工作。主要研究兴趣是机器学习与多体物理。

●翟荟教授于2009年起任清华大学高等研究院研究员，2012年获得长聘，2015年任高等研究院教授。

研究领域：

报告题目：Noise Matters

●陈基，北京大学物理学院凝聚态物理与材料物理研究所研究员、助理教授、博士生导师。

2009年本科毕业于中国科学技术大学。2014年博士毕业于北京大学物理学院。2014-2017英国伦敦大学学院博士后。2017-2018德国马克思普朗克固体研究所博士后。2018年加入北京大学物理学院。2019入选国家海外高层次青年人才计划。主要研究方向和兴趣是发展凝聚态体系的第一性原理计算方法和应用先进计算方法解决凝聚态物理、化学和材料学中的基础和交叉科学问题。主要研究方法包括量子蒙特卡洛方法、密度泛函理论、路径积分方法、机器学习方法等。主要关注体系为水/冰、固液界面、氢、低维材料等。

报告题目：Electronic structure calculations using quantum Monte Carlo methods based on neural network

● 本科毕业于中国科学技术大学，博士就读于美国宾夕法尼亚大学。随后在普林斯顿和清华大学分别做过博士后。博士期间研究背景为分子体系非绝热过程的方法论开发，参与了量化软件Q-Chem中TDDFT电子态之间旋轨耦合及非绝热耦合的实现。博士后期间参与开发了potential functional embedding theory，以及有机光电材料的光物理性质计算方法。于2021年10月正式加入AISI，任职量子化学研究员岗位，主要职务为ABACUS软件及机器学习辅助泛函DeePKS的开发及完善。

报告题目：ABACUS+DeePKS: a Machine-Learning based Density Functional Model for Periodic System and Its Connection with Deep Potential

● 杨满意， 2013年本科毕业于中南大学化学化工学院，博士（直博）师从南京大学化学化工学院黎书华教授。2019年获得博士学位，随后加入Michele Parrinello 教授团队，先后在苏黎世联邦理工学院（2019年8月 ~ 2020年12月）和意大利国际高等研究院（2021年1月 ~ 至今）从事博士后研究工作。主要研究方向包括开发反应路径自动搜索软件及方法，化学反应的机理研究及理论设计，以及机器（深度）学习在化学反应、材料学等交叉研究领域的应用。

报告题目：Exploring Micro-Mechanisms for Rare Events: Machine Learning and Enhanced Sampling Simulations

●2021年影响因子：6.013 Citescore：4.2

Machine Learning: Science and Technology（MLST）是一本跨学科期刊，致力于发表智能机器在物理、材料科学、化学、生物学、医学、地球科学、天文学和工程学等多学科领域的应用和发展。涉及领域包括：物理学和空间科学；设计和发现新材料和分子；材料表征技术；模拟材料、化学过程和生物系统；原子和粗粒度模拟；量子计算；生物学、医学和生物医学成像；地球科学（包括自然灾害预测）和气候学；模拟方法和高性能计算。同时，也包括机器学习方法在概念上的新进展：新的学习算法；深度学习架构；核心方法；概率和贝叶斯方法；生成方法；强化和主动学习；经常性和基于时间结构的方法；神经启发方法（包括神经形态计算）。