报告题目：从AlphaGo 到材料基因——数据驱动的材料研发新范式
报告人：江俊教授, 中国科学技术大学
时间：6月14日（周五）下午15：00
地点：卢嘉锡楼202报告厅
报告摘要：
随着人工智能的发展，以数据驱动的研究新范式逐渐在科学领域发挥重要作用。传统的研究范式常通过降低数据复杂度乃至牺牲观察维度的方式来简化规律模型，虽然直观却丢失了真实系统的演化细节。而化学与材料学科同真实世界的复杂性高度相关，要开发优越的化学特性、制备高性能的材料、揭示深层次的物理化学机制，都依赖于对复杂多维的化学组成、结构、环境、外场条件的高精度测量和优化。人工智能技术擅长从海量的数据中寻找“隐藏”的因果关系，提供了一种不丢失复杂度和维度去理解世界基本规律的可能。我们开发了化学材料的拓扑结构分析算法，建立了千万级别的功能分子、晶体和器件的材料特征数据库，实现了材料大数据分类、清洗和归纳。进一步结合量子化学计算与人工智能技术，我们发展了有效的材料描述符，探索了从物质结构到物理化学性质的构效关系，并实现了一批能源和金属材料的高效设计。
报告人简介：
江俊，中国科学技术大学微尺度物质科学国家研究中心教授、博士生导师。2000年获武汉大学物理系学士学位，2007年获瑞典皇家工学院理论化学博士学位，2008年获中国科学院上海技术物理研究所微电子与固体电子学博士学位。2009-2011在瑞典皇家工学院与美国加州大学尔湾分校从事博士后研究。2013年获批主持科技部重大基础研究计划青年973项目。曾获2015年中国化学会唐敖庆青年理论化学家奖，2017年安徽省青年科技奖。从事理论化学研究，聚焦于复杂体系内电子运动模拟，研究在催化/光催化、能源材料中的实际问题。近年来探索化学信息学与材料科学的交叉，发展设计了一批特色的能源与催化材料。主持开发5个计算软件包在国内外研究机构和产业应用。迄今发表SCI 论文140余篇，引用4122次，H因子39。近5年作为通讯作者发表中科院1区论文40余篇，包括Nat. Energy(1篇)、Nat. Commun.(2篇)、PNAS(1篇)、J. Am. Chem. Soc.(3篇)、Angew. Chem. Int. Ed.(3篇)等。
