人工智能与量子材料研究的深度融合正在推动材料科学从经验探索向智能设计与精准调控转变，为复杂量子体系的理论模拟、材料发现和功能调控提供了全新的研究范式。随着量子材料体系不断趋向低维化、复杂化和多自由度耦合化，传统实验探索与计算模拟方法在尺度、精度和效率之间面临日益突出的挑战。人工智能凭借其强大的数据表征、模式识别和生成预测能力，为突破高维量子问题、加速新材料发现以及揭示新奇量子物态提供了重要机遇。然而，量子材料中的强关联效应、拓扑性质、非平衡动力学以及复杂缺陷行为对人工智能模型提出了更高要求，如何将物理规律、对称性约束和先验知识有效融入智能算法，构建兼具预测能力与物理可靠性的人工智能方法，成为当前AI+量子材料领域亟待解决的关键科学问题。本分论坛将围绕“人工智能赋能量子材料”主题，邀请来自北京大学、清华大学、中国人民大学、复旦大学、香港科技大学等高校的专家，重点探讨人工智能驱动的量子材料设计、智能化第一性原理计算、机器学习辅助结构解析、神经网络量子态模拟、量子缺陷预测以及物智融合的非平衡物态研究等前沿方向。本分论坛将聚焦人工智能与量子材料基础研究的交叉融合，探索从数据驱动材料发现到物态调控机制解析的新路径，讨论AI赋能量子材料发展的关键挑战、未来方向及技术落地前景。

教育部长江特聘教授，国家重点研发计划首席专家，香港求是科学基金会“求是杰出青年学者”，江苏省特聘教授，江苏省双创团队领军人才。长期从事新型低维量子材料的物态调控研究，首次原创开发了以氟化镧为代表的超离子固态氟化物电双层介电薄膜材料家族，为量子材料关联物态调控及量子器件的规模化集成提供了全新的介质材料平台。在高影响因子杂志上发表文章150余篇，包括Science、Nature子刊32篇，总引用19000余次，H-index为53，入选Web of Science交叉领域的高被引学者。

徐莉梅，北京大学博雅特聘教授。2007年毕业于美国波士顿大学物理系，获物理学博士学位。2007年至2011年，先后在美国犹他大学从事博士后研究，并任美国东北大学助理教授；2011年加入北京大学。长期从事统计物理与凝聚态物理研究，主要研究方向包括相变与临界现象、玻璃态物理和水科学。现任国际纯粹与应用物理学联合会统计物理委员会（IUPAP C3）委员、中国物理学会凝聚态理论与统计物理专业委员会副主任委员。主持国家自然科学基金重点项目、国家杰出青年科学基金项目等。曾获教育部自然科学一等奖（2019年）、国家自然科学一等奖（2025年）、中国物理学会谢希德物理奖（2025年）、Wiley Women in Science Awards（Wiley女科学家奖，2026年）等。

报告主题：人工智能赋能氢键体系的原子尺度结构解析

摘要：水和冰是典型的氢键凝聚态体系，其复杂的局域结构与丰富的相变行为来源于协同氢键网络的重构与演化，同时受到核量子效应的重要影响。原子力显微镜（AFM）为原子尺度结构研究提供了重要实验手段，但由于实验信号与真实原子结构之间缺乏直接对应关系，无序氢键体系的结构解析长期面临挑战。本次报告将介绍机器学习辅助AFM结构解析的方法及其应用。通过融合目标检测与结构生成两类机器学习方法，实现复杂无序氢键网络的结构解析。结合二维冰、冰–水界面及离子水合等体系，介绍该方法在发现新界面结构、揭示氢键网络演化规律以及理解冰结晶与熔化机制中的应用。

罗迪，清华大学物理系副教授，兼职清华大学高等研究院。此前，他曾任美国加州大学洛杉矶分校（UCLA）助理教授。2021年至2024年间，他担任美国人工智能与基本相互作用研究所IAIFI Fellow，同时是麻省理工学院（MIT）理论物理中心与哈佛大学（Harvard）物理系博士后。2021年，他在伊利诺伊大学厄巴纳-香槟分校（UIUC）获得数学与物理双硕士学位及物理学博士学位。2016年，他毕业于香港大学，获物理学与数学双学士学位。罗迪博士曾在Google Quantum AI, Vector Institute 和 Simon Foundation 研究实习。他的研究聚焦在AI+Science和量子计算，包括发展AI和量子算法用于量子材料、高能物理和量子信息的科学模拟和发现，以及利用量子物理和统计物理发展构建AI理论和模型。

报告主题：深度学习求解量子多体问题：强关联体系与拓扑量子材料研究

摘要：本报告将介绍如何通过引入对称性约束与物理先验的生成式量子态模型，推动人工智能赋能量子材料研究。针对传统数值方法难以处理的复杂量子体系，我们发展了具有物理对称性的神经网络波函数，高效刻画费米子体系的反对称性结构，实现对二维量子材料中强关联效应、超导态、密度波及拓扑量子态的高精度模拟。同时，将等变神经网络方法与规范场理论相结合，构建面向量子场论的求解框架。此外，我们进一步发展生成式模型用于开放量子系统与非平衡动力学模拟。围绕量子态表示能力的标度律scaling law，我们开展了系统的理论与数值研究，为强关联体系与拓扑量子材料的深度学习提供新的理论基础。

季威，中国人民大学物理学院吴玉章讲席教授。国家高层次人才奖励计划首届青年学者、特聘教授，曾获得国家优秀青年科学基金支持，获北京市青年教学名师、宝钢优秀教师等称号，入选国家特支计划青年拔尖人才，爱思唯尔中国高被引学者(2021-今)和科睿唯安全球高被引科学家(2023-今)。长期致力于发展和应用第一性原理计算方法结合人工智能，围绕未来信息功能材料及器件和原子级制造科学与技术中的表界面问题，开展相关基础科学研究。发表了包括 Science、Science Advances、Nature Physics、Nature Materials、Nature Nanotechnology、Nature Chemistry、Nature Communications、PRL、JACS等在内的250余篇论文，被引超过19000次（WoS数据），部分研究成果被选为国际邮票素材、入选中国科学十大进展和北京市科学技术二等奖、中国电子学会自然科学二等奖等。目前担任中国材料研究学会计算材料学委员会和中国化学会表面物理化学专委会委员，任《Science Bulletin》、《科学通报》、《Chinese Physics B》、《物理学报》、《2D Materials》和《Frontiers of Physics》编委等。

报告主题：高质量数据驱动的低维量子材料设计与创制

摘要：高质量数据集是训练人工智能模型的核心基础，而材料的高效、可靠生成则是新材料创制的关键路径。本报告围绕低维材料创制的三个核心问题，即：为何选（目标）、如何制（路径）、有何用（性质），探讨利用先验知识约束的高通量生成与计算，构建一维和二维量子材料数据库，发现新的单层磁性和关联材料，并展示如何通过层间非共价相互作用调控电荷密度波等量子物态。

陈时友，复旦大学集成电路学院和计算物质科学研究所教授。主要从事半导体材料和器件的计算仿真和理论设计研究，包括多元化合物半导体、缺陷和杂质物理、器件原子级仿真方法和TCAD软件开发、辐照损伤和可靠性物理等方面。在Nat. Comput. Sci., Nat. Mater., Nat. Nanotech., PRL, JACS, AM等期刊发表论文210余篇，SCI引用20000余次。曾入选国家级领军人才、青年拔尖人才、国家自然科学基金优青、上海市优秀学术带头人等人才计划；曾担任Journal of Computational Physics副编辑、Micro and Nanostructures编辑、国际半导体物理大会（ICPS）和国际半导体缺陷大会（ICDS）等会议组委会委员。

报告主题：半导体中量子色心缺陷的机器学习计算预测

摘要：SiC等宽带隙半导体中的缺陷-缺陷簇和缺陷-杂质簇是良好的色心，可用于单光子源、量子比特、光纤传输和生物传感等领域，然而，SiC光致发光谱中众多峰的来源缺陷目前还不清楚、如何通过电子束辐照等方法控制色心缺陷的形成、色心缺陷的发光效率调控机制还不清楚。本报告将介绍我们发展的半导体缺陷智能学习引擎软件（Intelligent Learning Engine of Defects，简称 ILED），其集成了第一性原理和人工智能学习引擎（AILE）、热力学稳定性学习引擎（TSLE）、晶体缺陷学习引擎（CDLE）、非晶缺陷学习引擎（ADLE）、平衡态学习引擎（ESLE）和非平衡态学习引擎（NSLE）等六大核心模块，可以基于机器学习方法高效开展量子色心缺陷的计算模拟和设计。通过非平衡态辐射跃迁和非辐射跃迁速率的计算，我们揭示了SiC中PL5-PL8等发光峰的来源缺陷，提出了通过缺陷-杂质簇调控发光效率的机制；通过电子束辐照下SiC晶格辐照损伤过程的模拟，揭示了色心缺陷形成的动力学过程；通过上万原子超胞声子性质的计算，实现了色心缺陷发光谱中边带形状的精确计算，为色心缺陷的甄别提供了定量指征。

刘军伟，香港科技大学终身副教授，2014年于清华大学获得博士学位，2014年到2017年在麻省理工学院做博士后研究，2017年加入香港科技大学做助理教授，2023年晋升为终身副教授。主要从事凝聚态物理研究，长期致力于凝聚态物理理论与计算研究，重点探索电荷、自旋和动量等多自由度耦合衍生的晶体对称性保护的量子物态以及结合人工智能发展多尺度大规模计算方法等。最近主要贡献包括（1）首次提出“晶体对称性配对自旋动量锁定”概念，严格证明其是交错磁体的内禀特征，同时预测V2Se2O和V2Te2O等材料，并与实验团队合作，在对这类材料进行碱金属插层后，首次实现了准二维交错磁体，为“交错磁性”提出与确立提供了理论和材料基础；（2）自主发展了能处理数十亿原子轨道的大尺度计算方法，揭示了晶体对称性保护多重马约拉纳零能模的“指纹特征”，并与实验合作首次证实其存在。作为主要作者发表论文44篇，包括2篇Science、1篇Nature、1篇Phys. Rev. X、4篇Phys. Rev. Lett.、1篇Nat. Phys.、2篇Nat. Mater.和1篇Nat. Rev. Mater.等。承担国家自然科学基金优秀青年科学基金项目（港澳）、国家重点研发计划青年科学家项目和国家自然科学基金委员会与香港研究资助局合作研究重点项目等。

报告主题：单层交错磁体的高通量计算与预测

摘要：交错磁体因其在反铁磁序中独特的晶体对称性配对自旋动量锁定特性及其潜在应用而备受关注。迄今为止，纯二维交错磁体的实验实现仍具挑战。目前唯一经实验验证的材料为K/Rb插层的V2Te2O与V2Se2O体系，其直接源于我们此前的理论预测[Nat. Commun. 12, 2846 (2021)]。本报告受V2Te2O与V2Se2O体系子晶格对称性的启发，提出“对称性保留且价电子适配结构修饰”的设计策略[Natl. Sci. Rev. 13, nwaf528 (2026)]。基于此策略我们设计出2600种候选材料，并通过高通量计算成功筛选出612种单层交错磁体，设计成功率约23.5%，验证了设计策略的有效性。这些材料展现出从半导体、半金属到金属的丰富电子特性，其中包含79种狄拉克交错磁体。本研究不仅为后续探索提供了丰富的单层交错磁体候选体系，更建立了其理性设计范式，为原子级薄层体系中的受限磁性及自旋电子学研究开辟了新途径。

苗丽莉，现任香港科技大学（广州）助理教授。她于印第安纳大学伯明顿分校（Indiana University Bloomington）获得信息学博士学位。其主要研究方向为运用计算与数据驱动的方法，解析科学、创新与社会三者之间的互动机制，旨在为创新与技术政策的制定提供坚实的实证支撑。苗丽莉曾获多项学术殊荣，包括尤金·加菲尔德博士论文奖（Eugene Garfield Doctoral Dissertation Fellowship）及人文研究奖（Humane Studies Fellowship）。

报告主题：全球科学投资与关键技术竞争格局：科研资助、比较优势与后CMOS技术发展

摘要：本报告围绕全球关键科学技术领域的投资、知识生产与国际竞争格局展开系统分析，旨在构建一套能够有效追踪各国科研投入、科学产出与技术优势的综合研究框架。研究基于大规模文献计量数据，刻画全球科研资助与知识生产的空间分布，构建高分辨率、可交互的分析平台，并重点考察后CMOS技术的发展趋势及其国际竞争态势。研究发现，全球后CMOS技术格局正在发生显著重构。中国在多数新兴后CMOS技术领域的论文产出、高影响力研究和高颠覆性研究中已形成领先优势。其中，二维材料沟道场效应晶体管与拓扑绝缘体是过去十年增长最为迅速的两个技术方向，中美两国在相关领域的相对位置已出现明显逆转。美国在拓扑绝缘体相关的量子物理研究中仍保持局部比较优势，而中国在二维材料沟道场效应晶体管及拓扑绝缘体的多个子领域中展现出更加广泛的竞争优势，尤其集中于基础物理科学和工程研究。

褚维斌，复旦大学计算物质科学研究所青年研究员。2012年于中国人民大学获学士学位，2018年于中国科学技术大学获凝聚态物理博士学位。2018-2022年在美国南加州大学从事博士后研究。2022年起回国工作，主要研究方向聚焦计算物质科学前沿领域：1）发展基于第一性原理的激发态动力学计算方法与软件；2）开发人工智能驱动的计算物理新方法与智能化科学计算平台。迄今发表50余篇论文，其中以第一/通讯作者身份在PRL, JACS, Angew. Chem.，Sci. Adv., Nat. Commun., PNAS等杂志上共发表20余篇论文。主持科技创新2030课题、国家自然科学基金和上海市基础研究特区计划，含国家高层次青年人才等项目。

报告主题：物智融合的非平衡物态演化研究

摘要：非平衡条件下电子与原子核运动的耦合演化，是理解光激发载流子弛豫、能量转移、结构响应和光化学反应等过程的重要微观基础，也是能源转换、光电信息与分子工程等领域共同关注的关键科学问题。受限于第一性原理电子结构的高昂计算成本，传统非绝热动力学方法通常需要在理论精度、体系规模和演化时间之间进行权衡；而现阶段纯数据驱动的机器学习模型常因缺乏内生物理约束，难以保障非平衡演化过程的自洽性与物理可靠性。本报告将介绍我们在“物智融合”方向上的一些探索，即在数据驱动模型中引入对称性、能量与力的一致性、非绝热耦合关系及动力学守恒定律等多重物质科学规律，从模型架构底层实现物理约束的内生嵌入，使机器学习模型在大幅提升计算效率的同时，保持量子动力学过程的物理一致性，从根源上规避纯数据拟合的泛化性与可靠性瓶颈。

基于这一思路，我们发展了以 E (3) 等变神经网络哈密顿量为核心的 N2AMD 方法及其实时演化框架。针对固体凝聚态体系，该方法可高效开展载流子弛豫与复合、光致结构相变、极化子形成等典型非平衡过程的高精度模拟，在维持第一性原理理论精度的前提下，显著拓展非平衡物态演化模拟的空间与时间尺度。同类研究思路也拓展至分子光化学体系，可精准模拟光驱动分子马达的非绝热演化过程，定量阐明分子结构与动力学性能之间的内在关联规律。上述研究表明，物理规律与数据驱动方法的深度融合，能够有效突破传统非平衡动力学模拟的尺度与精度瓶颈，为非平衡物态演化的微观机理揭示、相关材料与分子体系的性能调控及设计，提供兼具计算效率、理论精度与物理严谨性的新计算途径。