2021年10月13日，应我院特聘研究员韩伟老师邀请，深势科技创始人兼首席科学家张林峰到访我院，并为大家做了主题为“Learning-assisted modeling for molecular simulation and drug discovery”的报告。

长期以来，微观尺度模拟计算均面临着在“效率”与“精度”之间的权衡取舍，活性药物发现过程中的生物计算也不例外。通过“多尺度建模+机器学习+高性能计算”的新范式，能很好地解决微观尺度工业设计难题，实现效率和精度的统一提高。

本次报告首先确定多尺度分子建模背景下的若干问题和基于机器学习（Machine Learning, ML）的策略。与传统方法相比，机器学习能够在保证从头算（ab initio）精度的情况下，将分子动力学的计算速度提升不止五个数量级，同时所需算力和体系的原子数量呈线性依赖关系。随后介绍开发的目前已被广泛用于分子和材料模拟领域的配套软件包。最后介绍Hermite，这是一个根植于云计算的临床前计算机辅助药物 (Computer Aided Drug Design, CADD) 设计平台，致力于为药物研发工作者提供在CADD中数据、算法、算力三位一体的一站式解决方案。

嘉宾简介：

张林峰，2016年本科毕业于北京大学元培学院，2020年5月博士毕业于普林斯顿大学应用数学系，深势科技创始人兼首席科学家。张林峰与普林斯顿大学化学系教授Roberto Car，中国科学院院士鄂维南等一直专注于为电子结构、分子动力学和增强采样开发基于机器学习的物理模型。他是DeePMD-kit、DeePKS-kit、DP-GEN、rid-kit等流行的基于深度学习的分子模拟开源软件的主要开发者之一，也是DeepModeling 开源社区的主要推动者。2020 年，张林峰作为核心开发者的工作因“在保持从头算精度的前提下通过机器学习将分子动力学的极限提高到 1 亿原子”获得高性能计算领域最高奖ACM戈登贝尔奖。

作者：张意婷