北京大学“大学堂”顶尖学者讲学计划旨在汇聚全球学术领军人才，推动前沿基础科学研究。2026年7月25日至29日期间，该讲学计划陆续邀请了四位在国际理论化学与计算材料学领域享有盛誉的学者——Nancy Makri教授、Matthias Scheffler教授、Garnet Chan教授以及Frank Neese教授，在william威廉中文官网先后作了四场学术报告。四场报告虽分日陆续举行，但主题紧密围绕复杂体系量子动力学、人工智能辅助材料设计、大尺度生物分子模拟以及开壳层电子结构计算等当前理论与计算化学的前沿方向。报告不仅介绍了领域内的最新技术突破，也深入探讨了理论方法在化学、材料与生物实际问题中的应用价值，为北大相关学科的师生提供了深刻的学术启发。

一、 精确描述复杂体系量子动力学：Nancy Makri教授讲解凝聚相大体系模拟 7月25日，来自美国伊利诺伊大学厄巴纳-香槟分校的美国科学院院士Nancy Makri教授围绕“凝聚相体系中的量子动力学模拟”进行了报告。

Makri教授指出，量子动力学模拟的核心目标是在系统与复杂环境耦合情况下，准确描述体系随时间的演化。然而，对于包含大量环境自由度的体系，传统波函数方法会面临指数增长的计算和存储困难。因此，她介绍了基于费曼路径积分理论的精确量子动力学方法，该类方法避免直接存储高维波函数，而是通过路径积分形式描述量子演化。

报告重点介绍了影响泛函（influence functional）路径积分方法以及近年来发展的“小矩阵（Small Matrix）方法”。Makri教授指出，环境自由度虽然会导致路径之间产生复杂关联，但在凝聚相体系中环境影响通常具有有限时间记忆长度。利用这一物理特点，可以将长时间传播中的历史依赖压缩为有限规模的矩阵操作，从而实现更加高效的精确动力学计算。随后，Makri教授介绍了该方法在激发态能量转移体系中的应用，包括光合作用光捕获复合物中的能量传递问题。她展示了分子振动自由度与电子态之间耦合作用对能量转移动力学的重要影响，并说明原子核量子效应对于获得与实验一致的动力学描述具有关键作用。

二、 可解释性与可信度：Matthias Scheffler教授谈AI在材料研究中的应用 7月26日，来自德国柏林工业大学的德国科学院院士Matthias Scheffler教授围绕“材料科学中的可解释机器学习和不确定性量化”展开报告。

Scheffler教授指出，机器学习已成为材料性质预测和筛选的重要工具，但高预测精度并非唯一目标，理解模型背后的物理规律以及评估预测可靠性同样重要。因此，发展兼具预测能力、物理解释性和可靠性的机器学习方法，是人工智能赋能材料科学的重要方向。

报告中，Scheffler教授重点介绍了团队发展的SISSO（Sure Independence Screening and Sparsifying Operator）方法。该方法结合符号回归与压缩感知思想，从大量候选变量中筛选具有物理意义的材料描述符，并建立描述符与目标性质之间的解析关系，从而提高机器学习模型的可解释性。Scheffler教授以热导率预测为例，展示了如何利用机器学习方法提取与材料输运性质相关的物理描述符，并通过敏感性分析理解其对预测结果的影响。此外，他还介绍了不确定性量化（uncertainty quantification）和主动学习（active learning）等方法，用于评估模型适用范围、提高机器学习辅助材料发现过程中的可靠性。

三、 跨越精度与时间尺度：Garnet Chan教授介绍机器学习辅助量子模拟方法 7月28日，来自美国加州理工学院的美国科学院院士Garnet Chan教授围绕“利用量子化学和机器学习理解生物体系反应机制”进行了报告。

Chan教授首先介绍了复杂酶体系模拟面临的时间尺度挑战。例如镍铁氢化酶等体系包含复杂的过渡金属活性中心、强电子相关效应以及与蛋白质环境之间的多尺度耦合，其反应过程涉及从电子运动到分子动力学的多个时间尺度。针对这一问题，Chan教授提出了层级机器学习（hierarchical machine learning）的计算策略。该策略通过构建不同精度层级之间的联系，使高精度电子结构计算结果能够用于训练更加高效的模型，从而逐步扩展模拟尺度。

报告中，他重点介绍了随机张量收缩（stochastic tensor contraction, STC）方法。该方法应用于耦合簇方法中，通过随机采样高维张量收缩过程，在实现高精度的电子结构计算的同时，显著降低了计算成本，为生成高质量机器学习训练数据提供了新的可能。随后，Chan教授展示了如何利用高精度量子化学数据学习半经验量子模型，并结合GPU加速分子动力学和增强采样方法研究酶催化反应动力学。该方法能够在保持较高电子结构计算精度的同时，将模拟推进到更长时间尺度。

四、重新理解多参考问题：Frank Neese教授讨论开壳层体系电子结构理论

7月29日，来自德国马克斯·普朗克煤炭研究所的德国科学院院士Frank Neese教授围绕“开壳层体系中的量子化学方法”进行了报告。

Neese教授首先讨论了理论化学中“多参考（multi-reference）”概念的定义问题。他指出，很多开壳层体系虽然通常被认为需要多参考方法，但实际情况需要更加细致地区分。判断体系是否真正具有多参考性质，不仅取决于行列式数量，还与轨道选择和波函数表示方式密切相关。

报告中，Neese教授详细介绍了组态函数（configuration state functions, CSF）与自旋耦合波函数的概念。他指出，相比传统Slater行列式表示，CSF能够更加直接地体现电子自旋耦合结构，并在某些体系中提供更加紧凑、更具物理解释性的波函数描述。随后，他介绍了开壳层Hartree–Fock理论的发展，包括ROHF（restricted open-shell Hartree–Fock）及其推广形式，并强调合理的轨道选择和自旋适配对于理解过渡金属体系、磁耦合体系等复杂电子结构问题的重要性。

本次北京大学“大学堂”顶尖学者讲学计划系列学术报告的顺利开展，集中展示了当今量子化学基础理论、大规模计算物理与人工智能交叉领域的最新研究动态。四位学者分别从凝聚相体系算法开发、材料预测模型构建、多尺度复杂体系模拟以及分子电子结构基础等不同侧面，为北大师生呈现了当前计算化学前沿研究的立体图景。报告不仅介绍了各自团队的科研成果，更着重分享了对研究方法论和基础物理问题的思考。这对于拓宽北大william威廉中文官网及相关领域师生的学术视野、激发跨学科创新思维具有积极的推动作用，也为促进国内理论化学与计算材料学的发展提供了宝贵的交流契机。

排版：高杨
审核: 杨四海