北京郵電大學(xué)理學(xué)院特聘研究員高昂在分子模擬研究領(lǐng)域取得重要進(jìn)展

　　近期，我校理學(xué)院特聘研究員高昂與美國(guó)羅格斯大學(xué)合作者Richard C. Remsing博士在分子模擬研究領(lǐng)域取得重要進(jìn)展。

　　通過融合人工智能技術(shù)和電子的自洽場(chǎng)理論，高昂研究員與其合作者創(chuàng)新性地構(gòu)建了分子模擬的自洽場(chǎng)神經(jīng)網(wǎng)絡(luò)(Self-Consistent Field Neural Network)模型，精確地描述了長(zhǎng)程靜電相互作用。該研究成果在分子模擬方面的精度比目前業(yè)界最前沿的第四代高維度神經(jīng)網(wǎng)絡(luò)勢(shì)能模型（4GHDNNP）更高?；谏鲜鲅芯砍晒恼撐腫1]于2022年3月23日發(fā)表在《自然》子刊《Nature Communications》上，北京郵電大學(xué)為論文第一完成單位，高昂研究員為論文第一作者及通訊作者。

　　近年來(lái)，人工智能在分子動(dòng)力學(xué)模擬中得到了廣泛應(yīng)用?；谏窠?jīng)網(wǎng)絡(luò)的分子動(dòng)力學(xué)模擬的精度可以與基于量子力學(xué)的分子動(dòng)力學(xué)模擬相媲美，而其運(yùn)算速度卻比后者快上萬(wàn)倍。但是通過神經(jīng)網(wǎng)絡(luò)進(jìn)行分子模擬的一個(gè)難點(diǎn)是處理長(zhǎng)程靜電相互作用。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)分子動(dòng)力學(xué)模型（如Behler-Parrinello模型）只能描述分子之間的短程相互作用，因而無(wú)法描述介電響應(yīng)、電子極化等重要性質(zhì)。

　　為了解決這一挑戰(zhàn)，高昂研究員與合作者以凝聚態(tài)物理中描述自由電子氣對(duì)電場(chǎng)響應(yīng)的自洽場(chǎng)理論為基礎(chǔ)，結(jié)合人工智能技術(shù)，提出了自洽場(chǎng)神經(jīng)網(wǎng)絡(luò)模型。在論文中高昂和合作者利用自洽場(chǎng)神經(jīng)網(wǎng)絡(luò)模型對(duì)液態(tài)水進(jìn)行了研究，證明了該模型可以精確描述水分子之間的長(zhǎng)程關(guān)聯(lián)、水對(duì)外電場(chǎng)的響應(yīng)、水分子的電子極化以及空氣-水界面處水分子的偶極矩分布。他們還證明了自洽場(chǎng)神經(jīng)網(wǎng)絡(luò)模型能比第四代高維度神經(jīng)網(wǎng)絡(luò)勢(shì)能（4GHDNNP）模型能更準(zhǔn)確地描述水分子的偶極矩漲落。

　　高昂及合作者表示，自洽場(chǎng)神經(jīng)網(wǎng)絡(luò)模型是一個(gè)通用框架，可以與目前常用的許多神經(jīng)網(wǎng)絡(luò)模型融合，因此可以預(yù)期該模型將會(huì)被集成運(yùn)用于目前廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)分子動(dòng)力學(xué)模擬軟件包中。他們期望自洽場(chǎng)神經(jīng)網(wǎng)絡(luò)模型能夠在電子器件的計(jì)算機(jī)輔助設(shè)計(jì)、生物大分子模擬等領(lǐng)域得到更加廣泛的應(yīng)用。

　　教師介紹：

　　高昂，北京郵電大學(xué)特聘研究員、博士生導(dǎo)師。于2012年獲得清華大學(xué)物理學(xué)士學(xué)位，2017年獲得美國(guó)馬里蘭大學(xué)帕克分?；瘜W(xué)物理博士學(xué)位，2017-2020年在麻省理工學(xué)院從事博士后研究工作。2020年底入職北京郵電大學(xué)理學(xué)院物理系。已在Nature Communications、PNAS、iScience等頂級(jí)期刊發(fā)表多篇學(xué)術(shù)論文，研究方向包括分子動(dòng)力學(xué)模擬、第一性原理計(jì)算、人工智能、生物物理等。

　　發(fā)表論文：

　　 [1] Gao, A., Remsing, R.C. Self-consistent determination of long-range electrostatics in neural network potentials. Nat Commun 13, 1572 (2022).https://doi.org/10.1038/s41467-022-29243-2