物理学院学术报告(第50期)

报告题目：新材料的高效精准预测：遗传算法、机器学习与高通量计算的融合

报告专家：王仁海 特聘副教授 广东工业大学

报告时间：2025年9月9日（周二）10：00

报告地点：理6栋302       邀请人：赵纪军

报告摘要：

新材料的设计与发现是推动科技进步的关键。然而，传统实验试错方法周期长、成本高，而单一的计算模拟方法在处理多元复杂体系时也常面临效率与精度难以兼得的困境。发展融合多种先进计算手段的高效预测新范式，已成为加速新材料研发的前沿方向。

本报告将系统介绍我们如何融合自适应遗传算法（AGA）、机器学习（ML）与高通量计算三种方法，在三元体系新材料预测中取得的一系列进展。内容涵盖：利用AGA精准搜索三元金属硼化物体系的稳定结构与超导相；通过ML与AGA的融合框架高效探索La-Co-Pb等难溶多元体系的相空间，成功预测新型磁性材料；发展基于Γ点声子模的电声耦合强度高通量计算方法，快速筛选出多个具有高超导转变温度的硼化物与氢化物体系。这些理论预测已部分获得实验验证，展现了多方法融合在指导新材料合成方面的强大潜力。

专家简介：

王仁海，广东工业大学物理与光电工程学院特聘副教授，主要从事新材料结构预测与设计研究。2021年于中国科学技术大学获凝聚态物理博士学位，其中2016-2020于美国埃姆斯国家实验室联合培养。2021年5月至2023年5月，于广东工业大学与埃姆斯实验室做联合培养博士后。2023年6月起，在广东工业大学物理与光电工程学院工作。主持国家自然科学青年基金、广东省自然科学基金等项目，在Physical Review B、npj Computational Materials、Inorganic Chemistry等期刊发表SCI论文30余篇。开发了机器学习辅助自适应遗传算法（ML+AGA）和电声耦合高通量计算方法，成功预测多个新型超导、磁性及电极材料，部分成果已获实验验证。