菜单总览

喜讯 | 理工学院学生梁杰淳在国际学术期刊JPCL上发表论文

  • 2019.09.25
  • 新闻
我校理工学院学生梁杰淳的论文 于2019年9月发表在国际学术期刊The Journal of Physical Chemistry Letters (JPCL)上,并获邀进行在线演讲。

香港中文大学(深圳)理工学院学生梁杰淳的论文Phillips-Inspired Machine Learning for Band Gap and Exciton Binding Energy Prediction 于2019年9月发表在国际学术期刊The Journal of Physical Chemistry Letters (JPCL)上,并获邀进行在线演讲。梁杰淳同学是理工学院新能源科学与工程专业大四学生,是该论文的第一作者,通讯作者为我校朱熹教授。

The Journal of Physical Chemistry Letters (JPCL) 由American Chemistry Society 出版,是相关领域最顶级的期刊之一。2018年该杂志收录文章共1070篇,影响因子(IF)为7.392,2018年总引用量为45404。

论文介绍

论文题目: Phillips-Inspired Machine Learning for Band Gap and Exciton Binding Energy Prediction

论文摘要:近年来,人工智能逐渐成熟,在各领域中的地位不断上升,但是仍存在诸多问题,比如由于数据集过少而产生的“few-shot problem”将导致训练结果只能应用在用于训练的数据库中。这是因为训练过程只是对数据进行了计算(数据理解,primary understanding),而没有对理论进行学习(理论理解,secondary understanding),即人工智能的结果应当是可用理论解释的。

在此文中,受 Phillips's ionicity theory 启发,我们运用套索算法(least absolute shrinkage and selection operator)进行数据拟合和并对输出模型进行解释。理论学习不仅能够提升预测精度,还大大降低了对训练量的需求,并且使模型能够应用在除训练集、测试集所在数据库以外的其他数据库中,是“few-shot problem”的合理解决方案。同时,理论学习本身也能够帮助研究者合理地使用人工智能进行科学领域研究。

                                                                        论文中的输出模型分析图

点击阅读原文或下方标题,浏览论文

Phillips-Inspired Machine Learning for Band Gap and Exciton Binding Energy Prediction

作者档案

                                                                                   梁杰淳

                                                               2016级理工学院、思廷书院学生

                                                                        新能源科学与工程专业

                                                                     高中毕业于福州市第一中学

梁杰淳同学自大一下学期加入机器人与人工智能实验室至今,长期进行机器学习和数据库研究。梁杰淳同学已有4篇论文在国际期刊上发表,其中2篇为第一作者。

导师简介

                                                                                       朱熹教授

                                                                                理工学院助理教授

朱熹教授于2006年从中国科学技术大学少年班学院和合肥微尺度物质科学国家实验室(筹)获得物理学学士学位,并于2011年在新加坡南洋理工大学获得博士学位。他曾担任南洋理工大学博士后研究员。朱熹教授于2017年加入香港中文大学(深圳)理工学院,于2019年加入深圳市人工智能与机器人研究院(AIRS)进行相关研究。其研究领域为化学机器人和机器学习。

对话

Q1:这篇论文提出了现有机器学习问题的解决方案,并展示了多个成功案例。你是怎么发现这个问题的?

梁:大一时,我就对计算机和人工智能产生了兴趣,所以加入了机器人与人工智能实验室。同时,在完成课程内容的学习以外,我学习了相关的机器学习算法、微分流形和李代数,也阅读了很多关于人工智能的论文。尽管人工智能是非常强大的工具,但仍存在不少问题,比如自同构问题和“few-shot problem”。传统数据驱动的模型甚至无法预测一个简单的单摆运动,这是因为没有正确的数学结构做支撑。

我发现有些论文中的机器学习结果虽然精度很高,但是没有对输出模型进行合理地解释,甚至产生了一些不合常理的结果,比如我在论文中提到的共价化合物中“温度”与“带隙”的反比关系。在这种一味以数据精度驱动的模型框架下,人工智能不仅没有促进科学的发展,反而正在使其倒退,因为对理论的研究可能因此停滞不前,而对科学来说,理论才是基石。我觉得问题出在了机器学习的使用方式上。所以,理论的学习是人工智能发展必不可少的一个环节。

Q2:作为新能源专业的学生,进行跨多学科的学习和研究会遇到许多问题,你是怎么解决的?

梁:做研究和大学生的课堂学习稍有不同。学习上的问题,一般能通过书本或者提问解决。但是研究不同,除物理、计算机和统计方面的问题,我还遇到了哲学方面的问题,也就是我的文章的背景:人工智能的使用。遇到这种问题,肯定要多思考,多阅读经典的文章,切勿在当前火热的领域中迷失。比如,启发我的Phillips's ionicity theory 出自一篇于1970年发表的经典理论文章。问题不一定是要完全解决的,有可能解决部分问题就会达到最好的结果,甚至是绕开问题。获得了足够的科学知识,确定哲学问题的性质后,再返回来进行以解决为目的的探索,同时要与教授进行讨论。

朱熹教授始终支持我对人工智能的哲学性思考。他曾和我讨论了著名哲学家Carl Hempel 在几十年前发表的关于科学,哲学,和数据之间相互关系的理解和定义。长期以来,朱熹的指导对我完成本篇论文有非常大的帮助。

                                                                       梁杰淳(右一)和学长合影

Q3:你加入实验室的初衷是什么?能谈谈对实验室生活的感悟吗?

梁:在大一下的时候收到了机器人与人工智能实验室的招新邮件,我想做出自己的科研成果,我希望自己可以发散性地思考、自由地进行探索和学习,就参加了面试。很感谢钱辉环教授给我加入实验室的机会。

加入实验室之后,我的大学生活跟以前相比,有了很大的不同。因为探索新能源这个领域和做出自己的研究成果需要花费修读课程以外的大量私人的时间。所以,每天除了上课、休息和讨论,其余时间我一般都是在实验室里度过的。实验室的组合更像是探险队,个个队员都是人才,都有自己的长处,大家在一起讨论的感觉非常愉快。