向红军 教授 复旦大学物理学系

AI赋能的量子材料理论计算研究

报告摘要

量子材料因其新奇的量子效应是发展下一代信息技术、量子计算和清洁能源等颠覆性技术的关键物理基础。然而，其复杂的物理机制给传统研究方法带来了巨大挑战，材料的发现与设计过程通常耗时且昂贵。为应对这些挑战，我们发展了一系列AI赋能的量子材料研究新方法。我们自主开发了材料性质分析与模拟软件包（PASP），它融合了四态法、有效哈密顿量方法、蒙特卡洛模拟和分子动力学（包括自旋-晶格动力学）、磁性体系神经势函数方法SpinGNN、介电体系神经网络势函数方法DREAM等多种手段。特别地，我们最先开发了预测材料电子结构的通用大模型。该模型（HamGNN）通过引入E(3)等变对称性，基于海量第一性原理数据训练，首次实现了覆盖全周期表各类复杂体系的电子哈密顿量的精确预测。最近，我们通过对哈密顿量的有效分解，该通用模型还实现了对自旋轨道耦合效应的精确建模。在此基础上，我们建立了全球首个基于AI的大型电子结构数据库与在线预测开放平台（sci-ai.cn），为快速发现新材料铺平了道路。

利用我们发展的理论方法与计算软件，我们在量子材料前沿研究中取得了一系列成果。在二维磁性材料方面，我们揭示了其中存在新奇的强Kitaev相互作用和高阶磁相互作用。在铁电材料研究中，我们提出了分数量子铁电性（FQFE）的新概念，将铁电性的范畴拓展至传统理论认为不可能的非极性晶体中，突破了传统的铁电理论。

报告人介绍

向红军，复旦大学物理学系谢希德特聘教授、国家杰青、科技部重点研发计划首席科学家。1997–2006年就读于中国科学技术大学，获学士和博士学位。共发表论文200多篇，其中Phys. Rev. Lett. 40多篇。2018年获意大利联合国国际理论物理中心ICTP奖，2021年入选APS fellow，2023年获黄昆物理奖，2024年获科学探索奖和上海市自然科学一等奖。