北京大學深圳研究生院新材料學院潘鋒教授團隊傳來喜訊，團隊2022屆博士畢業(yè)生陳冬憑借其出色的博士學位論文《基于機器學習與數(shù)學的材料預測方法開發(fā)及其應用》（英文題目：The Development and Application of Machine Learning and Mathematical Methods for Materials Science），榮獲2023年度世界華人數(shù)學家聯(lián)盟（ICCM）研究生論文獎（Graduate Thesis Award, GTA）銀獎。該獎項旨在發(fā)掘和表彰全球范圍內博士研究生在前沿數(shù)學研究中做出的具有數(shù)學創(chuàng)造性、原創(chuàng)性和深度的重大貢獻。評獎委員會在授獎詞中指出：“該論文探索了機器學習與數(shù)學模型的融合，以加速材料發(fā)現(xiàn)和設計。它專注于優(yōu)化材料性能，降低成本，并改進材料科學的計算方法，從而提高研究效率。”這項榮譽是對潘鋒團體與陳冬博士在交叉學科領域勇于探索、取得突破性成果的充分肯定。
圖1. 陳冬獲世界華人數(shù)學家聯(lián)盟最佳博士論文獎證書
陳冬于2017年加入北京大學深圳研究生院新材料學院潘鋒教授“材料基因與新能源材料”實驗室，從事團隊自主創(chuàng)建的圖論結構化學和材料基因組學研究，后被推薦到密歇根州立大學數(shù)學學院魏國衛(wèi)（Guo-Wei Wei）教授組聯(lián)合培養(yǎng)，開展基于圖論和拓撲學的結構化學和材料基因的研究，開發(fā)了結合數(shù)學、結構化學與人工智能技術（AI）相結合材料基因探索和新材料研究方法，系統(tǒng)地將機器學習與先進數(shù)學方法深度融合，應用于解決分子科學與材料科學中的關鍵問題，創(chuàng)新性地運用了代數(shù)圖論 (Algebraic Graph Theory)、代數(shù)拓撲學 (Algebraic Topology) 和譜圖理論 (Spectral Graph Theory) 等數(shù)學工具，開發(fā)了系列新穎的材料特征的數(shù)學方法，這些方法被成功應用于：(1) 構建代數(shù)圖論輔助的Transformer深度學習模型，顯著提升了小分子性質預測的精度 [Nat. Comm. 2021, 3521]; (2) 提出基于代數(shù)拓撲和機器學習的高通量篩選策略，成功挖掘出多種潛在的快鋰離子導體材料（JACS，2025 revised）；(3) 發(fā)展利用持續(xù)譜圖理論分析多體相互作用的新范式Foundations of data science 2023，558），為理解和預測材料穩(wěn)定性提供了有力工具。
潘鋒團隊在與菲爾茲獎（1982年）獲得者丘成桐先生的數(shù)學研究中心合作開展圖論結構化學研究時，陳冬首次成功地把丘先生創(chuàng)建的有向圖的基礎數(shù)學應用于分子與材料科學（JPCL，2023, 954）。團隊合作開發(fā)了基于有向圖論、AI和結構化學的方法，應用于解決分子科學與材料科學中的關鍵問題，可加速材料基因的探索和新材料的發(fā)現(xiàn)，并促進AI for Science（科學智能）的發(fā)展。
圖2. 有向圖的基礎數(shù)學應用于分子與材料科學
陳冬博士于2022年畢業(yè)后，目前在美國密歇根州立大學數(shù)學系擔任助理研究員，繼續(xù)圍繞數(shù)學驅動的“AI for Science”方向開展深入研究，取得了突破性的進展，相關成果以題為“基于有向超圖的人工智能方法”發(fā)表在 《自然》的AI子刊（Nature Machine Intelligence，2024，799）上。他的獲獎既是對其個人科研能力的認可，也是對團隊圖論結構化學研究工作的肯定，同時體現(xiàn)了北京大學在新材料、人工智能與數(shù)學交叉領域的人才培養(yǎng)和前沿探索的新進展。
