AI for Science 是一种新兴科研范式，旨在将 AI 深度领悟到科学研究的各个环节，从数据处理、仿真仿照、实验研究，到创造新的科学规律，从而加速科学创造。
AI for Science 已在多个领域取得了令人瞩目的成果，材料打算便是个中之一。

材料打算是一个跨学科领域，它领悟了物理学、化学、材料科学和打算机科学平分歧学科的专业知识，利用打算模型和算法来研究材料的微不雅观构造、电子构造、力学性能、热力学性子等。
材料打算可以帮助科研职员设计新材料，优化现有材料的性能，并在不实际制造材料的情形下预测材料在不同条件下的行为，从而大幅节省科研韶光和本钱。

7月23日14:00，智猩猩在线研讨会 NVIDIA AI for Science 专场将开讲，聚焦AI驱动下的材料打算加速。
清华大学深圳国际研究生院博士后杨鑫、NVIDIA 办理方案架构师马四腾将分别以《AI驱动下的新能源材料研究与创造》、《NVIDIA Modulus 加速 AI 驱动的材料打算》为主题进行直播讲解，并在线答疑。

清华大学深圳国际研究生院博士后杨鑫：AI驱动下的新能源材料研究与创造

内容概要：

近年来，机器学习力场逐渐成为帮助科学家研究和创造新材料的主要工具。
在浩瀚机器学习力场中，等变图神经网络等模型表现出了堪比量子化学打算的高精度，并且具备极低的打算本钱。
然而，网络足够的量子化学演习数据以开拓相应的机器学习力场仍旧是一项耗时耗力的寻衅。

为了加速这一过程并优化机器学习力场的开拓和运用，清华大学深圳国际研究生院博士后杨鑫团队建立了一套主动学习事情流，旨在自动化标记量子化学数据和演习一系列前辈的AI模型。
这一事情流显著提高了多个新材料领域的研究速率和效率。
杨鑫博士团队运用主动学习事情流进行主要化学反应的机理研究，探索并创造了新型纳米合金材料，有效加速了电池材料的研究。

本次研讨会，杨鑫博士首先会先容机器学习力场开拓中面临的寻衅，并概述如何通过预演习模型和主动学习来办理这些问题。
此外，杨鑫博士还将先容几个通过主动学习事情流加速材料仿照研究的案例。

NVIDIA 办理方案架构师马四腾：NVIDIA Modulus 加速 AI 驱动的材料打算

内容概要：

人工智能正在彻底改变科学研究的办法，在材料打算领域中，加速材料创造和设计过程，提高仿照精度，实现大规模数据剖析，促进跨学科领悟，开辟新的研究方向，显著提升研究效率和创新能力。

为了进一步推动 AI for Science 的发展，NVIDIA 推出了 Modulus 开源框架。
这一框架不仅引入了如 PINNs、Neural Operator、GNN、Diffusion Model 等前辈的 AI 模型，还支持参数化设计和 GPU 多节点线性扩展，使得无论是缺少 AI 专业知识的用户还是履历丰富的开拓者，都能快速相应行业对 AI 技能的急迫需求。

本次研讨会中，马四腾首先会概述 Modulus 中的 AI 模型及其显著上风，之后将分享一些近期加速 AI 驱动材料打算的案例。