名师讲座

报告题目：高质量数据和领域知识协同驱动的电池材料构效关系研究

报告时间： 2024-08-30 15:00

报告人： 施思齐 教授

上海大学材料科学与工程学院 / 材料基因组工程研究院

报告地点：卢嘉锡 202 报告厅

转播地点：翔安校区能源材料大楼 3 号楼会议室 5 ，漳州校区生化主楼 304 教室

报告摘要：

数据驱动的机器学习在高性能电池材料构效关系挖掘及新材料发现方面表现出了优异的能力。然而，纯数据驱动的机器学习应用于解决该问题时面临三大关键矛盾，即高维度与小样本、模型准确性与易用性、模型学习结果与材料领域知识的矛盾。究其原因是数据质量治理的忽视和领域知识指导的欠缺。聚焦有效调和三大矛盾，本报告提出围绕 “ 理论框架建立、高质量数据基础构建、可信知识获取以及高效模型构建 ” 的解决方案，以期为解决机器学习助力电池材料构效关系挖掘存在的问题提供有效策略。

报告人简介：

施思齐，教授，博士生导师，现任职于上海大学材料科学与工程学院和材料基因组工程研究院。 2004 年 7 月博士毕业于中国科学院物理研究所，师从陈立泉院士和王鼎盛院士， 2004 年 8 月至 2013 年 5 月先后在日本产业技术综合研究所、美国内布拉斯加州 - 林肯大学和布朗大学做博士后或访问学者。主要研究方向为电化学储能材料的计算与设计、材料数据库与机器学习，致力于推动人工智能赋能材料研发。 2001 年率先在国内应用第一性原理计算研究锂离子电池材料。已在 Nat Catal 、 Chem Rev 、 Prog Mater Sci 、 Natl Sci Rev 、 Adv Mater 等期刊发表论文 180 余篇，出版《电化学储能中的计算、建模与仿真》专著，创制电化学储能材料设计平台 (www.bmaterials.cn) 。主持国家优秀青年科学基金、国家重点研发计划等项目。获 2024 年度中国材料研究学会科学技术奖一等奖 ( 第一完成人 ) 。目前是中国硅酸盐学会固态离子学分会理事、中国材料研究学会计算材料学分会委员和中国化工学会储能工程专委会委员。担任《 Computational Materials Science 》、《储能科学与技术》和《硅酸盐学报》等期刊编委。

欢迎老师同学们积极参加 !

化学化工学院

固体表面物理化学国家重点实验室