近年来，机器学习在科学研究和商业应用中取得一系列令人振奋的成果，受到越来越多的关注。王磊研究员首先介绍了机器学习作为颠覆性技术的内涵和对于包括化学在内的科学研究的重要性，并回顾了机器学习在过去几十年里的发展波折。然后以机器学习分别在蛋白质结构预测和分子动力学模拟上的突破性进展为例，介绍了如何通过直接的机器学习和机器学习辅助模拟两种策略来开展科学研究。最后王磊研究员探讨了深度学习、张量网络与生成式学习等机器学习领域的前沿方向，展望了机器学习在基础科学研究中的广阔应用前景。报告后，王磊研究员和现场参会人员就机器学习用于化学研究的潜在方向、机器学习的有效性与可诠释性等话题开展了热烈的讨论。
简介：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。目前主要研究兴趣是机器学习与量子多体计算。
科技处
2021年9月10日
