3月21日9:00 [学术报告] 软物质遇见机器学习-微结构调控机制研究

发布时间:2023-03-17 | 【打印】 【关闭】

报告题目:软物质遇见机器学习-微结构调控机制研究

报 告 人:蒋滢 研究员,北京航空航天大学化学学院

报告时间2022321日(星期二)上午 09:00

报告地点:南楼2层会议室

邀 请 人:施兴华 研究员

 

报告摘要:  

软物质的研究范畴非常广泛,涵盖聚合物、胶体、液晶、凝胶等。体系中的-竞争导致其在介观尺度的微结构异常复杂,其微纳尺度结构与材料的宏观性能紧密相关,因此,如何有效的精确识别材料的微结构,进而研究微结构转变的物理条件与规律,对于软物质功能材料的设计和加工至关重要。我们利用机器学习方法,针对软物质体系微结构形成的平衡态性质和非平衡态动力学行为,提出了一些研究策略,并发展了相应的研究方法。我们将以四个典型的软物质体系为研究对象,分别展开讨论:1. 颗粒体系的玻璃化转变;2. 聚合物体系相分离的演化动力学;3. 微纳结构设计调控超疏水表面的粘附性;4. 聚合物微结构的反向设计。对比于相应的传统研究方法,我们发现:由机器学习构建的模型,在诸多方面都表现出令人惊喜的优异表现。不仅可以精准提取平衡态与非平衡态相变的物理性质,而且,可以大大加速体系的动力学演化的求解过程,同时,可以有效的指导微纳表面功能材料的结构设计,此外,还可以加速软物质功能材料的反向设计。由这些研究所取得的初步成果,我们发现,机器学习方法可以为软物质领域的研究带来全新的视角,或将成为具有变革性的全新的研究范式,不但可以加深对体系物理机制的理解,而且,可望实现精确的定量预测,最终实现从物理机制揭示,到实验可控制备的目标。

 

报告人简介: 

       蒋滢,北京航空航天大学化学学院研究员,博士生导师,国家优秀青年基金获得者。研究方向主要围绕软物质体系微结构的跨尺度形成机制,有针对性的发展热力学和动力学的理论计算方法,一方面,针对目标体系建立介观尺度的物理模型,通过求解和分析理论方程,获得简洁的物理图像;另一方面,结合基于数据驱动的机器学习方法,设计可精确预测体系性质的高效模型,同时,关注于获得模型的物理可解释性,实现对体系平衡态和动力学行为的机理阐释和性质预测。近年来,发表包括PRL, PNAS, Adv. Mater. 等的研究论文40余篇。