报告人：杨炯 教授，上海大学

邀请人：王洪超

报告时间：2026-11-04，16:30

报告地点：知新楼C座913报告厅

报告摘要: 人工智能正在成为材料研究中一种日益重要的辅助工具，但其有效应用仍高度依赖于研究者对材料相关问题的深刻理解。本报告将以计算材料学为例，展示如何将AI方法与领域知识有机结合，系统推进热电材料的研究。在热输运方面，我们基于MatHub-3d数据库构建了涵盖130种半哈斯勒化合物的标准化机器学习原子间势数据库HH130，并预训练了通用力场MACE-HH-v1.0，用于研究复杂缺陷体系的热输运行为。进一步地，我们将这一方法拓展至镧系LnNiSb系列化合物，开发了针对这一系列体系的机器学习势函数，揭示了化学压力驱动的相变机制及其对晶格热导率的调控规律。在电输运方面，我们借助基于Deepseek的AI智能体，辅助开发了新一代电输运计算程序TransOpt 3.0。该程序在玻尔兹曼输运方程框架下首次引入了电子-声子重正化效应，突破了传统刚性能带近似的局限，并在GPU架构上实现了显著的性能提升。在材料逆向设计方面，依托MatHub-3d数据库的结构与成分多样性，我们构建了热电材料逆向设计框架，集成晶体扩散变分自编码器、多层级机器学习筛选与自动化高通量计算，通过对功率因子的潜在空间优化，成功预测了多种此前未见报道的新型热电化合物。上述案例表明，AI作为一种强大的辅助工具，正在使研究者得以突破传统方法的边界——更大体系的处理、高效方法的开发、基于性能的逆向设计，这些在过去难以企及的研究范式如今已逐步成为现实。

报告人简介：杨炯，2009年博士毕业于中国科学院上海硅酸盐研究所，随后在美国华盛顿大学担任博士后研究员。他目前是上海大学材料基因组工程研究院的教授和博士生导师。他长期从事与电子-声子相互作用、热电材料设计及材料基因组相关的研究工作，目前发表SCI论文总数200余篇，引用10000余次，H因子60。因在热电材料基因组领域的贡献，荣获2019年国际热电学会青年科学家奖。