报告标题：数据驱动方法SISSO及“白箱”模型
报 告 人：欧阳润海
报告时间：2019年12月20日（星期五）下午2:00
报告地点：新能源大楼215会议室
报告人简介：
欧阳润海博士，上海大学材料基因组工程研究院特聘副研究员，上海市青年东方学者。2013年博士毕业于中科院大连化物所理论催化课题组（导师：李微雪教授）；之后，他先后在澳大利亚悉尼大学、美国加州大学河滨分校、德国马普FHI研究所理论部做博士后研究。在德国FHI三年期间，欧阳润海主要从事欧洲NOMAD项目下的材料大数据方面的研究，并与Matthias Scheffler教授和Luca Ghiringhelli博士等人一起发展了基于压缩感知理论的数据驱动方法SISSO。他于2019年加入上海大学；主要研究方向是数据驱动方法发展及在材料科学中的应用。
报告摘要：随着“数据驱动科学”范式的到来，人工智能方法已经开始深入到科学研究各领域。数据驱动模型除了应该具备准确预测能力之外，人们逐渐意识到模型还应具备一定透明度及物理意义，称为“白箱”模型。相较于传统机器学习“黑箱”模型，“白箱”模型往往需要较小训练数据，且便于模型作用机制解析和预测能力及适用范围的判断。欧阳润海将介绍他们2018年发表的基于压缩感知原理的数据驱动方法SISSO。该方法致力于建立描述和预测各种材料性质和功能的“白箱”模型或描述符。目前，SISSO方法已被用于钙钛矿材料、拓扑绝缘体、催化材料、超导、二维材料、聚合物等的模型构建和新材料预测，在“数据驱动科学”领域已初步形成特色和一定影响力。此外，欧阳润海将介绍他最近的一个关于如何利用离子半径来理性设计卤化物钙钛矿材料的工作来展示SISSO的具体应用。