报告地点：行健楼学术活动室526

邀请人：孙志斌教授

摘要：生成式模型因其强大的模式学习与数据建模能力，正在材料科学领域得到广泛应用。然而，在实际应用中，其可解释性与可控性仍存在不足，限制了其在复杂材料体系中的可靠应用。针对此，基于课题组提出的材料领域知识嵌入的机器学习框架，本报告将探讨领域知识嵌入的生成式模型及其在AI驱动的材料智能研发全流程中的应用，具体而言：(1) 构建可解释性可控的变分自编码器模型(VAE)，实现稀缺数据扩增与分布优化，从而提升数据规模与多样性；(2) 构建嵌入领域知识的大语言模型(LLM)，通过引入领域知识约束性纠错机制，提升模型对材料实体关系的抽取能力，推动材料知识的系统挖掘与整理；(3) 构建由化学式生成、晶体结构生成及性质预测组成的多模型协同体系，在物理与化学约束下高效生成与筛选固态电解质候选材料，从而揭示了可解释可控的生成式模型在促进数据积累、知识发现与智能设计环节中的关键作用，为新材料的智能化研发提供了新的思路与路径。

报告人简介：刘悦，博士，上海大学计算机工程与科学学院教授，博士生导师。专注机器学习泛化性能、易用性和可解释性及其应用研究25年。自2014年与施思齐教授合作，致力于建立算法-数据-知识互利共生且与实验融合的储能材料设计新范式，推动人工智能赋能材料研发。在National Science Review, Acta Materialia, Pattern Recognition等期刊发表论文90多篇。获2019中国物理学会最有影响论文一等奖、中国硅酸盐学会2021和2025年度“高影响力论文”奖等学术论文荣誉6项。参与撰写《电化学储能中的计算、建模与仿真》和电化学储能材料设计平台研发(www.bmaterials.cn)。合作提出领域知识指导的分而治之机器学习建模策略，在企业实现落地应用，取得了经济效益。主持国家自然科学基金重大研究计划培育项目、面上项目以及国家重点研究计划项目子课题，参与国家自然科学基金重点项目。获中国材料研究学会科学技术奖一等奖、上海市地震局防震减灾应用技术研究成果优秀成果一等奖等科技成果奖4项。担任上海大学学术委员会教学指导专委会委员，上海高校一流本科课程负责人。