报告人：顾强强 预聘副教授（中国科学技术大学）

报告内容：

在第一性原理密度泛函理论方法框架下，模拟具有真实器件尺寸材料的电子行为仍然是一项几乎不可 能的任务。为了解决该问题，我们发展了基于深度学习的电子结构模型表示方法, DeePTB。该方法在同一个 框架中实现了DeePTB-SK和DeePTB-E3两种方案。 DeePTB-SK是一种深度学习增强的Slater-Koster (SK) 紧束 缚 (TB) 方法，能高效预测依赖局部环境的SK参数，使含有数百万原子系统的电子结构模拟变得高效。DeePTB-E3旨在以最高精度预测LCAO-DFT框架中的多种量子算符矩阵，包括哈密顿量、密度矩阵和交叠矩 阵，同时大幅提高计算效率。其核心创新在于设计了严格局域的等变消息传递模型 (SLEM)，为哈密顿量、 密度矩阵和交叠矩阵等量子算符构建局部等变表示。DeePTB结合机器学习分子动力学方法如DeePMD可以 实现对原子和电子行为的同步模拟，实现高效、精确的考虑原子运动下的电子性质模拟,例如声子辅助的光 电响应计算。进一步地，我们发展了DeePTB-NEGF的计算框架，并独立开发了DPNEGF软件，可以基于深 度学习哈密顿量结合非平衡格林函数 (NEGF) 实现高效准确的电子输运模拟，实现了对DFT-NEGF的2-3个数 量级的加速。DeePTB系列方法为材料电子结构建模以及器件输运模拟等研究场景提供全新解决途径。

报告人简介：

顾强强，中国科学技术大学人工智能与数据科学学院预聘副教授、博士生导师。2021 年于北京大学物 理学院获得博士学位。随后在北京大学数学科学学院从事博士后研究，并在北京科学智能研究院兼任研究 员，于 2024 年加入中国科学技术大学工作。主要从事机器学习与计算材料科学的交叉研究，发展面向大规 模材料模拟的AI模型方法。主导开发了 DeePTB、DPNEGF、DFTIO、TBSOC 等多个开源软件。已发表包 括 Nat. Commun.、npj Comput. Mater.、 Phys. Rev. Lett.、Sci. Bull.、ICLR等学术期刊/会议论文30余篇。主持 包括JKW技术领域基金、国自然青年基金、江苏省青年基金等项目，并获 2024–2026 华为青年人才资助。

主持人：陈默涵 研究员（北京大学应用物理与技术研究中心）

时  间：2026年4月23日（周四）12:20

地  点：北京大学工学院1号楼210会议室