賴根明，北京大學深圳研究生院新材料學院2020級博士生，師從鄭家新副教授。在導師鄭鄭家新老師的指導下，賴根明同學始終堅持在機器學習勢場及鋰金屬負極研究領域深耕，通過開發(fā)鋰金屬負極及其界面的機器學習勢場，用以研究鋰枝晶生長機理和調(diào)控方法，致力于將“AI for Science”方法真正落地到實際應用中。系列工作已發(fā)表4篇SCI論文，其中獨立一作3篇，共同一作1篇。曾獲北京大學五四獎學金、廖凱原獎學金、三好學生、學術創(chuàng)新獎、學習優(yōu)秀獎等。
圖1 賴根明
熱愛與選擇
作為一名材料科學領域的博士生，賴根明對科研始終懷有濃厚的熱情。在本科階段，他因一次偶然的機會接觸到從事計算物理方向的教學工作者，從而對計算科學產(chǎn)生了濃厚的興趣。于是，他加入了相關課題組，開啟了科研之旅。2019年，賴根明來到北京大學深圳研究生院參加新材料學院的夏令營，并在此次活動上認識了鄭家新老師。鄭家新老師擁有物理與數(shù)學雙學位，致力于材料計算模擬領域的研究，這恰恰是賴根明感興趣的研究方向。因此，他毫不猶豫地決定加入鄭老師的課題組。
進入深研院后，賴根明逐漸明確了自己的研究方向——“機器學習勢場開發(fā)及應用”。機器學習是一種新興的、功能強大的技術，采用機器學習的方法構(gòu)建分子動力學勢場，可以用來研究鋰金屬負極中的一些基礎科學問題。這是將AI技術與材料科學相結(jié)合的多學科交叉領域，也是AI for Science（簡稱“AI4S”）戰(zhàn)略在材料科學領域的實踐。2020年AI4S剛剛起步，團隊內(nèi)并無先例，可參考的學習資料較少，在開始階段遇到了諸多困難，許多問題需自行探索。在此期間，鄭家新老師給了賴根明很大的鼓勵和幫助。針對技術難題，鄭老師會盡可能地幫忙找到相關專家請教，賴根明的師兄焦君宇博士也會與他交流討論，共同解決科研上的問題。在鄭老師以及焦博士的指導以及持續(xù)鼓勵下，賴根明隨著研究的深入漸漸對研究方向產(chǎn)生了更加濃厚的興趣，也對科研有了全新認識。
在首個科研項目接近尾聲時，賴根明堅定了自身的研究方向。當時課題組在計算模擬中發(fā)現(xiàn)了有趣的現(xiàn)象，鄭老師和焦博士便聯(lián)系實驗組人員進行驗證。在目睹分子動力學模擬結(jié)果得到實驗證實時，賴根明第一次感受到計算模擬的力量，并深刻體會到該項工作的價值。“后來鄭老師問我想不想繼續(xù)讀博的時候，我毫不猶豫地跟老師說：想，而且我想要繼續(xù)在這個方向上做下去。”
圖2 賴根明與鄭家新導師討論
聚焦與發(fā)展
“我從導師那里學到最多的東西是聚焦。”聚焦在自己的專業(yè)領域，持續(xù)深耕，這是賴根明一直在踐行的方式。為了能夠更好地了解機器學習方法，賴根明在研一時選修了信息工程學院開設的《機器學習及其應用》。“這門課程讓我作為一個材料學院的學生，學習到了很多關于機器學習方面的知識，也有了跟不同專業(yè)的同學一起學習和交流的機會。”在期末大作業(yè)的時候，賴根明作為小組長帶領小組成員充分調(diào)研了機器學習在材料科學中的應用場景，在一起討論、設想了未來發(fā)展的諸多可能，這也為他之后的科研工作奠定了良好的基礎。
賴根明在積極參與校內(nèi)科研與課程的同時，亦熱衷于出席各類學術會議。每次外出參會時，他總是喜歡帶著自己的工作和疑問，一方面希望能夠跟同行們分享自己的探索，汲取他們的觀點，并尋求他們的認可；另一方面，他也希望能夠遇到一些志同道合的朋友，展開深入的交流，互相學習，激發(fā)思考。在2023年舉辦的第十一屆國際分子模擬與人工智能應用學術會議上，賴根明帶著自己的成果在會上進行了報告分享，結(jié)束后，他與一位前輩就計算模擬的未來發(fā)展探討了很久。
圖3 北京大學“博學材思”學術論壇優(yōu)秀海報獎
圖4 賴根明參加學術會議并做口頭報告
科研既需要潛心鉆研，更需要思想碰撞的火花。在學術會議上與同行分享交流，獲得專家評委的認可，這些都成為賴根明科研路上持續(xù)的鼓勵與動力，讓他更加堅定地在自己的方向上學習鉆研。
產(chǎn)學研的結(jié)合也是賴根明十分注重的問題，如何將科研成果運用于實際產(chǎn)業(yè)中，是一個從實驗室到生產(chǎn)力的過程。賴根明認為其中的關鍵是親身實踐、持續(xù)學習。2023年暑假期間，賴根明去到屹艮科技實習，主要從事算法開發(fā)與應用，并將其運用于研發(fā)電池。電解質(zhì)的電導率對于電池來說十分重要，會影響到電池的壽命、充電速度等性能，而通過機器學習的算法來開發(fā)分子動力學勢場，進行分子動力學模擬，可以計算出一些電解質(zhì)的電導率，以此研發(fā)性能更好的電池。
新能源行業(yè)是一個多學科交叉的領域，很多問題只靠自己的專業(yè)知識是無法解決的。面對這一挑戰(zhàn)，賴根明一方面積極運用學校所學的專業(yè)知識，另一方面也持續(xù)學習不同專業(yè)領域的知識，不斷提升自己的技能水平，在實踐中努力實現(xiàn)科研與生產(chǎn)的結(jié)合。
感恩與展望
從本科到博士，科研對賴根明而言不僅是興趣，更是一種理想。談及個人生活時，賴根明表示自己的作息比較規(guī)律，一直堅持早睡早起，絕大多數(shù)時間他都沉浸在辦公室的科研工作中。在學習之余他會選擇去運動場上打籃球、跑步來放松心情，賴根明很喜歡這樣的生活節(jié)奏。“我希望把有限的時間放在自己真正熱愛的事情上，享受科研工作并樂在其中，因此放棄一些娛樂活動自己也不感到遺憾。”
談到在深研院的學習與成長，賴根明滿懷感恩。他表示，導師鄭家新教授不僅時常鼓勵他積極科研，同時也會關心學生的生活情況，張弛有度的管理方式讓他在學習生活中有更多的時間去思考和感悟。
而在研究生學習過程中，賴根明也非常受益于深研院的發(fā)展理念和辦學方針，他認為“AI牽引”的發(fā)展理念緊貼時代發(fā)展趨勢和地區(qū)發(fā)展需求。“AI for Science為科研界帶來了難得的機遇，我認為，在未來之后，科研界需要持續(xù)關注的事情是繼續(xù)利用AI技術尋求科學上更大的突破。”
在研究過程中，賴根明深刻感受到AI技術對科研工作的巨大影響。“隨著AI與材料的深度結(jié)合，未來的材料研發(fā)將會變得更加高效，這個行業(yè)未來也將具有更好的前景。無論世界如何發(fā)展，材料是其基礎，AI技術位于其中心，二者相輔相成。”
圖5 課題組合照
賴根明對自己的研究方向充滿信心，他堅信未來計算模擬在科學研究中將發(fā)揮越來越重要的作用。“以往，計算模擬大多時候僅作為實驗的輔助工具，用于解釋某些機理。但是在我心目中，計算模擬的真正作用應當遠不止于此，計算的作用應當是去引領實驗方向，驅(qū)動實驗設計。”隨著AI與計算模擬的結(jié)合，計算在未來將得到更大的發(fā)展，而賴根明也將堅定、專注地在自己熱愛的領域深耕，致力于在科研道路上不斷探索未知、發(fā)現(xiàn)規(guī)律。
