报告时间：2024年6月13日（周四）上午10：00

报告地点：阳明学院双创实验室（四）

报告人：高毅勤

报告人简介：

高毅勤，1972 年出生，1993 年本科毕业于四川大学化学系，1996 年在中科院化学所获得硕士学位，2001 年获得加州理工学院博士学位。2001 年－ 2004 年在加州理工学院和哈佛大学做博士后研究。2004 年 -2010 年在美国德克萨斯农工大学（Texas A&M University）化学系任助理教授；2010 年起任北京大学化学与分子工程学院教授，2013 年起同时担任北京大学生物医学前沿创新中心研究员。主要从事生物物理化学/ 理论化学方面的基础研究。获得过Clauser Prize, Searle Scholar, Pople Medal, 2018年中国十大科技进展、北京市先进科学工作者等奖励。现任北京大学理学部副主任，JCTC杂志副主编 ，新基石研究员。

报告摘要：

利用计算机模拟研究复杂分子体系的结构、动力学和功能得到越来越广泛的应用。近年来，深度学习模型和算法的引入有效的提高了分子模拟的能力 。在本报告中，我们将首先介绍分子模拟的基本方法，以及深度学习算法与分子模拟结合带来的方法发展：在蛋白结构预测中，我们通过发展序列生成模型，帮助降低序列搜索的计算资源需求，在加速推理过程的同时提高结构预测能力；通过引入来自实验的稀疏物理限制用来增强和加速解析蛋白和蛋白复合物结构，并帮助获得单个蛋白的多个构象；结合基于深度学习的药物分子结合位点搜索和基于打分的结合能力评估，可以提高对蛋白质/小分子复合物结构的预测效率。最后，我们将介绍把这些结构预测、分子生成和动力学计算等集中在统一的深度学习框架下进行实现，从而建立原生于人工智能的多模态和跨尺度的分子模拟工具的尝试。我们希望这样一个人工智能和分子动力学模拟的统一平台可以更好地助力分子计算方法的发展和快速实现。

欢迎广大师生踊跃参加！