为促进学术交流，拓展我院师生科研视野，推动物理与材料学科发展，并助力我院有组织科研与国家自然科学基金申报工作，近日，河南师范大学物理学院张岩星副教授应邀来我校，作题为“基于机器学习的铁电相变模拟”的学术报告。报告由我院院长唐亚楠教授主持，我院师生30多人参加此次活动。

张岩星副教授毕业于河南师范大学，获博士学位后曾赴美国加州大学欧文分校、路易斯安那大学拉法叶分校开展科研工作。长期从事机器学习在能源催化材料与铁电相变理论方面的研究，在《Science》《Physical Review Letters》《Journal of the American Chemical Society》等国际权威期刊发表SCI论文80余篇，引用近1700次，具有深厚的学术积累与丰富的科研经验。

报告中，张岩星副教授系统介绍了铁电材料在电子器件中的核心地位及其在计算模拟中长期面临的精度与效率难以兼顾的瓶颈问题。他重点阐述其课题组发展的基于消息传递神经网络（MPNN）的机器学习建模方法，该方法可实现铁电体势能面的原子级精确建模，在BaTiO₃、PbTiO₃等钙钛矿体系及二维铋材料中达到meV/atom精度，计算速度较传统第一性原理方法提升数个量级，并已成功应用于大尺度铁电相变、畴结构观测与晶格热导率模拟研究中。

张岩星副教授进一步结合2024年诺贝尔物理学奖与化学奖的背景，阐述了“AI for Science”与“Science for AI”的交叉融合趋势，指出机器学习不仅源于物理思想的启发，也为材料模拟与物性预测提供了强大工具。他还分享了团队在弛豫铁电体、黑磷结构单层铋等体系中的最新研究进展，展示了机器学习在推动功能材料设计与相变机理理解方面的广泛应用前景。

在互动环节，与会师生围绕机器学习势函数的构建、训练数据生成、模型可解释性及其在具体材料体系中的应用等问题踊跃提问，张岩星副教授逐一细致解答，现场交流气氛热烈。

本次报告内容前沿、讲解生动，不仅增强了我校师生对机器学习与凝聚态物理交叉领域的理解，也为相关研究方向提供了方法论启示，尤其为我院教师在国家自然科学基金项目选题、方法创新与学科交叉等方面拓展了思路。学院将继续积极搭建学术交流平台，推进与高水平科研团队的合作，不断提升科研组织能力，助力我院在国家自然科学基金等高水平科研项目申报中取得新突破，推动我校科研创新能力与人才培养质量持续提升。