供稿、攝影：朱弘揚、李全松  編輯：隆哲源

機器學習帶來的技術革命波及甚廣，然而將機器學習正確地引入到計算化學從而突破現有計算方案的瓶頸，并不是一件容易的事情。2021年11月29日上午，北京師范大學申林教授應邀到訪化學與化工學院，做了題為“機器學習與計算化學”的學術報告，此次報告是北京理工大學“21世紀學科前沿”系列講座之一。李澤生教授等40余名師生參加該次報告會。

、

報告主要分為三個部分：第一部分講述了將機器學習與多尺度量子力學和分子力學方法(QM/MM)相結合，在分子動力學模擬中同時保持了從頭算模型的高計算精度和半經驗模型的高計算效率；第二部分主要介紹了利用機器學習預測金屬配合物的發(fā)光特性和無機晶體材料的非線性光學性能，設計了不同類型的描述符，針對當前功能材料研發(fā)可用數據匱乏的困境提供了定性水平的解決方案；最后是機器學習的網站以及綜述分享。報告中，申林教授提出做科研應該摒棄亦步亦趨的“跟跑思維”，切勿盲目跟風，在做一項工作前要理清思路，明確目標方向，再一步一步尋找解決問題的途徑。

此次學術報告內容豐富，精彩紛呈，引起在場師生的廣泛興趣和強烈共鳴。報告結束后，申林教授與各位老師和同學進行了深入的探討和交流。最后，大家合影留念。

報告人簡介：

申林，2012年在北京師范大學化學學院獲得博士學位，2012-2018年在香港大學和美國杜克大學從事博士后研究，2019年入選青年千人計劃。從事理論與計算化學領域的研究工作，主要研究興趣是發(fā)展和實現適用于復雜化學體系的計算方法，包括非絕熱動力學模擬、多尺度模型、增強抽樣、機器學習等，旨在提升現有計算方案的精度和效率，探索各類化學反應特別是光化學反應的機制。

（審核：陶軍）