复旦大学    教授

腾讯会议：785-263-716

会议密码：1122

会议链接：https://meeting.tencent.com/dm/69qvhXCXaRyX

（往期内容请前往以下网址查阅：https://iop-hr.iphy.ac.cn/#/info/info-detail?id=41971） 

报告摘要：

具有非平庸电子特性的拓扑材料近年来得到了广泛研究。通过基于对称性指标分析和第一性原理计算，已经识别出数千种拓扑材料。然而，预测的真正具有全带隙的磁拓扑绝缘体却非常少见。我们利用该数据库并监督训练神经网络发展出一种识别电子能带拓扑的简单化学规则。这种化学规则仅使用其化学式和Hubbard U值便可以高精度地诊断材料是否是拓扑的。接下来我们评估了此化学规则在其他几种不同材料数据下的性能。最后我们将机器学习的化学规则与第一性原理相结合，高通量筛选了二维材料数据库中的磁性拓扑绝缘体。我们发现了6类全新的陈绝缘体（15种材料），其中4类（7种材料）具有全带隙。这种化学规则可以用作逆向设计和发现新的拓扑材料。

Refs:

[1]Haosheng Xu, Yadong Jiang, Huan Wang, Jing Wang. Discovering two-dimensional magnetic topological insulators by machine learning. arXiv: 2306.14155 (2023)

报告人简介：

王靖，复旦大学物理学系教授。2011年毕业于清华大学物理系，导师为朱邦芬院士。2011年10月至2015年4月在斯坦福大学物理系任博士后，导师为张首晟院士。2015年5月至2016年4月在斯坦福大学SLAC任副研究员。2016年5月加入复旦大学任教授。主要研究领域为凝聚态理论，凝聚态物质电子态的拓扑特性和相互作用，低维量子体系的电子和输运性质，自旋电子学和介观体系的非线性光学。已发表SCI论文60多篇，h-index 36；一作和通讯文章44篇，包含PRL 9篇，Science 1篇，Nat. Mat. 1篇, CPL express letter 1篇等。

邀 请 人：吴泉生 特聘研究员

联 系 人：王慧颖 why@iphy.ac.cn