报告摘要：

　　有机分子是一类重要的研究对象，对分子体系的高精度模拟在结构生物学、药物筛选、有机小分子和高分子材料的设计等领域均有重要应用。当前针对有机体系的分子动力学模拟主要依赖经验分子力场，其精度、可移植性、预测能力均存在较大问题。经验力场的参数主要依赖有经验的科研人员手动调优，效率较低且可重复性差，不能满足工业界的高通量需求。近年来，机器学习技术的革命性进展正在改变传统的势能面发展方式，但因为缺少分子拓扑等先验信息，单一的机器学习势能面在复杂分子体系中的表现仍有待提升。在这一报告中，我们将展示，通过现代人工智能技术与传统物理模型的有效结合，我们能极大提升分子力场的微观精度和开发效率，从而提高分子动力学模拟的可靠性。我们的工作包括“自底而上”和“自顶而下”两方面。在自底而上的策略下，我们采用长短程分离的方法，结合传统的多极矩可极化力场和短距机器学习模型，建立一般性的分子力场构建工作流。新工作流适用于一般性的有机大分子和高分子体系，其产生的力场在水和有机高分子中均展现出远高于传统力场的可靠性。而在“自顶而下”的策略下，我们基于自动微分和重新加权等手段，实现了对系综平均和自由能性质的高效自动调优。新产生的经验参数在自由能微扰（FEP）等重要计算中的表现优于当前主流力场。同时，在基础程序框架层面，我们编写了名为DMFF的自动微分分子力场框架，极大提升了力场开发效率和自动化程度。

报告人简介：

　　余旷副教授2008年毕业于北京大学化学与分子工程学院，指导教师为吴云东院士。2013年于美国威斯康星大学麦迪逊分校化学系Jordan R. Schmidt课题组获得理论化学博士学位，研究方向为第一性原理力场构建和多孔材料气体吸附行为的模拟。2013-2016年，余旷博士于普林斯顿大学Emily A. Carter院士课题组从事博士后研究，方向为低标度多尺度第一性原理方法（量子镶嵌理论）的发展。2016年至2018年间，于美国纽约D. E. Shaw Research公司担任研究科学家，负责力场开发工作。2018年11月起，相继于清华伯克利深圳学院与清华大学深圳国际研究生院担任助理教授、副教授。主要工作方向为有机分子力场发展、多尺度第一性原理方法发展、以及分子动力学技术在分子材料性质预测中的应用。