王涵 研究员（北京应物物理与计算数学研究所）

戴小英 研究员

大原子模型和超导材料设计

12月19日（周四）16:00-17:00，蓝白楼311

本报告从原子体系的第一性原理计算出发，介绍了机器学习模型在原子建模和模拟中的作用。报告指出了通用型机器学习模型的逻辑基础，概述了几种通用型机器学习模型的尝试，并指出了创建一个跨领域、多任务的通用模型所面临的挑战。报告提出了大原子模型（Large Atomic Model, LAM）的模型架构、训练方法、微调策略以及模型知识蒸馏方法，以及一个可能的实现——DPA-2。报告强调了DPA-2采用的多任务训练方式，对增强其泛化能力具有关键作用。最后，作为大原子模型的一个案例，我们将介绍其在三组元富氢超导体系设计问题中的应用。