便捷且自动化的计算催化剂发现与反应性研究优化

设计高性能均相催化剂和优化非催化转化过程，往往依赖于试错式迭代。另一方面，对于缺乏专业知识的人来说，计算工具往往难以使用。

在本场网络研讨会中，我们将演示一款面向最终用户的物理-AI平台如何消除准入门槛，使专家和非专家都能轻松使用该平台，同时实现无缝的可扩展性。通过整合量子化学、快速半经验紧束缚方法以及机器学习（ML） 原子间势能，该平台能够实现反应网络的自动化探索，并同时对多项性能指标进行优化 。 通过真实的催化与非催化实例，我们将展示如何将机理洞见转化为可行的设计决策——快速、准确且无需编程。

主要亮点：

• 降低催化剂设计的门槛
  了解这一物理学与人工智能相结合的终端用户平台如何使专家和非专家都能进行先进的计算机辅助催化剂设计和反应模拟优化
• 大规模多级建模
  在单一的可扩展框架内，综合运用量子化学、半经验紧束缚方法以及机器学习（ML） 原子间势能（MLIPs）
• 无需编写代码
  专为易用性和高效性设计的直观、基于图形用户界面的环境

适合人群：对非催化及催化反应性优化 ，或均相催化剂设计感兴趣的任何人