Abstract:

在信息技術的驅動下,大數(shù)據(jù)結合人工智能技術給物質科學的發(fā)展帶來了全新的理念。越來越多的復雜科學問題的解決和新材料的實現(xiàn)依賴于海量和高維數(shù)據(jù)的采集和分析。高通量實驗方法可以實現(xiàn)材料的快速探索和篩選，在較短的時間內提供大量的、可重復性的、條件高度可控的平行數(shù)據(jù)，從而構建高質量的數(shù)學和物理模型。進而，利用新型的人工智能技術如機器學習處理、可視化和分析數(shù)據(jù)并構建模型，進一步探索材料結構的形成機理以及構效關系。

本次報告，我將重點展示表面納米結構的高通量實驗制備及利用人工智能方法進行數(shù)據(jù)分析。第一部分，我將展示我們在金屬表面上利用高通量實驗方法制備具有單組分或雙組分的表面超分子納米結構。第二部分內容聚焦于利用新型的機器視覺方法進行圖像中有機分子的自動檢測、識別和分類。使用新型的計算機視覺實例分割我們發(fā)展了一種用于自動標注并且確定所研究的有機分子位置的深度學習網(wǎng)絡。最后，我還將展示如何利用機器學習技術進行低維分子體系的快速數(shù)據(jù)分析和數(shù)據(jù)挖掘。

Bio:

孫強（男），教授、博士生導師。國家級海外高層次青年人才、上海海外高層次人才引進計劃。主要從事表面物理化學、新型低維材料和新型量子材料的原子尺度精準合成以及高分辨率表征、超高真空環(huán)境設備開發(fā)。主要研究手段包括超高真空掃描探針顯微鏡以及光電子能譜技術。近年來，利用數(shù)據(jù)挖掘、機器學習和人工智能方法，結合高通量實驗手段研究人工智能在表面科學中的應用，包括機器視覺、自動目標識別和性能預測。2017年獲博士學位后，獲得歐盟瑪麗居里博士后項目資助在瑞士聯(lián)邦材料科學與技術研究所（Empa）工作。于2020年9月加入上海大學材料基因組工程研究院。在相關領域共發(fā)表70余篇SCI論文，以第一或通訊作者身份發(fā)表的SCI論文包括Nat. Chem., Adv. Mater., JACS, Angew. Chem. Int. Ed., Nano Lett., ACS Nano。