（Nanjing University）

报告摘要

In this talk, I will introduce the machine learning and graph theory assisted crystal structure prediction method (MAGUS) [1] developed in my group. In addition, I will show some of our recent progress in the applications of this method to predict new compounds, including planetary minerals [2-6] and functional materials, including superhard, high energy density, and superconducting materials [7-8], etc. 

MAGUS code registration：https://www.wjx.top/vm/m5eWS0X.aspx

报告人简介

孙建，南京大学物理学院和固体微结构物理国家重点实验室教授，国家杰出青年基金获得者（2021）。研究方向为：计算凝聚态与高压物理、材料设计、行星深部物质等。发展了机器学习和图论辅助的晶体结构预测新方法（MAGUS）；预言了多个新材料，若干被实验证实；预言了若干系统在高温高压下的超离子态、塑晶态等新奇物态。已发表学术论文100余篇，重要期刊（Nat. Phys./Nat. Commun. /PRL/PRX/PNAS/JACS）论文20篇。曾获2011年中国国家自然科学二等奖（第五完成人）、2013年“国家海外高层次青年人才”、2014年国际高压领域青年科学家奖（Valkenburg奖）。担任高压物理专业委员会委员、计算材料学分会委员、高压化学专委会委员、《物理学进展》副主编、MRE和《高压物理学报》编委。

邀请人：程金光

联系人：孙建平

联系电话：82640765

联系电话：82648017