【學(xué)術(shù)報告】Diffusion Models on Sampling Rare Events 擴(kuò)散模型在采樣稀有事件中的應(yīng)用
日期：2024-07-08
閱讀：2857
主題：Diffusion Models on Sampling Rare Events 擴(kuò)散模型在采樣稀有事件中的應(yīng)用
報告人：段辰儒 博士
時間：2024年7月8日 (周一) 16:00~17:00
地點：霞光樓220會議室
邀請人：張萬斌 教授
摘要：過渡態(tài)（TS）搜索在化學(xué)中對于闡明反應(yīng)機(jī)理和探索反應(yīng)網(wǎng)絡(luò)至關(guān)重要。然而由于勢能面的復(fù)雜度很高，準(zhǔn)確的三維TS結(jié)構(gòu)的搜索需要大量量子化學(xué)（如DFT）計算。在此，我們開發(fā)了一種面向?qū)ο蟮腟E(3)等變擴(kuò)散模型，OA-ReactDiff。該模型滿足所有生成化學(xué)反應(yīng)結(jié)構(gòu)集（即反應(yīng)物、TS和產(chǎn)物）的物理對稱性約束。在給定反應(yīng)物和產(chǎn)物的情況下，該模型在6秒鐘內(nèi)即可生成TS結(jié)構(gòu)，而通常的行量子化學(xué)優(yōu)化則需要幾個小時。OA-ReactDiff生成的TS結(jié)構(gòu)與真實TS相比達(dá)到0.08 ?的結(jié)構(gòu)中位均方根偏差。通過用于不確定性量化的置信評分模型，我們僅對最具挑戰(zhàn)性的14%的化學(xué)反應(yīng)進(jìn)行量子化學(xué)優(yōu)化就達(dá)到了預(yù)估反應(yīng)能壘所需的準(zhǔn)確度（1.6 kcal/mol）。OA-ReactDiff將極大加速構(gòu)建未知機(jī)理的大型反應(yīng)網(wǎng)絡(luò)的過程。
簡介：段辰儒于2022年在麻省理工學(xué)院（MIT）Heather Kulik教授組獲得化學(xué)博士學(xué)位，他的研究重點是將機(jī)器學(xué)習(xí)決策模型整合到高通量計算中，以加速化學(xué)發(fā)現(xiàn)。畢業(yè)后，他在微軟擔(dān)任研究科學(xué)家，為工業(yè)界開發(fā)機(jī)器學(xué)習(xí)和計算化學(xué)解決方案。在業(yè)余時間，他致力于創(chuàng)建和壯大AI4Science社區(qū)，是ICML和NeurIPS上AI4Science系列研討會的組織者。近期，段博士創(chuàng)立深度原理科技，以AI決策模型重構(gòu)催化材料設(shè)計，AI解鎖未來。
