2023年10月29日下午14:00，在科技楼801举行，受铁钢共性技术协同创新中心材料设计与优化研究所尹海清教授的邀请，来自比利时鲁汶大学的Gian-Marco Rignanese教授做了题为融合高通量第一性原理计算与机器学习的材料信息学，Combining the power of High-Throughput Ab Initio Calculations and Machine Learning towards Materials Informatics的报告。

Gian-Marco Rignanese教授是鲁汶大学教授，鲁汶大学凝聚态物质与纳米技术研究所主任，并在比利时基础研究基金会(F.R.S.-FNRS)担任研究主任，是OPTIMADE联盟的主要成员。在尹老师向到场的全体师生详细介绍了Gian-Marco Rignanese教授的成就后， Rignanese教授以高通量第一性原理和机器学习为主题，重点介绍了高通量第一性原理和机器学习在锂电池和光伏材料的应用。

尹老师作相关介绍

主讲报告人—Gian-Marco Rignanese教授

报告中Gian-Marco教授介绍了OPTIMADE（Open Databases Integration for Materials Design）开放材料设计数据库集成的API接口，它是为使用先进的材料数据库(如AFLOW、materials Cloud、materials Project、NOMAD、OQMD等)而开发的，这个API的主要目标是使得材料数据库间具有可互访问性和互操作性。

Gian-Marco教授还介绍了MODNet（Materials Optimal Descriptor Network）框架及其用于预测材料性能的发展。这个网络架构采用前馈神经网络，输入的数据是来自化学成分或晶体结构等方面的描述符，经过训练后，可以有效地预测出材料的各种性质，且这种方法比较适合于材料领域有限的数据集。

Gian-Marco教授生动形象的报告给大家留下了深刻的印象，报告后，大家进行了互动讨论环节，对感兴趣的问题展开了讨论。

报告合影留念

这次报告让大家受益匪浅，让我们看到了高通量从头算和机器学习等材料信息学方法的巨大应用潜力。