摘要： 先进材料的发现是推动技术革新的核心动力，其结构与性能往往源于晶格、电荷、自旋、对称性与拓扑等多物理量之间的复杂耦合，这也使得材料的逆向设计极具挑战性。近年来，人工智能技术的发展显著提升了对材料结构–性质间隐含关系的表征能力，为功能材料的高效逆向设计开辟了新路径。基于生成模型和判别模型的AI方法已取得诸多突破，受到广泛关注。本报告将结合我们的工作介绍AI驱动材料逆向设计的研究脉络，梳理关键技术路线，并进一步结合我们近期在交错磁性、超导材料、钙钛矿缺陷钝化及多智能体DFT计算框架构建等方向的研究成果，展示AI在复杂材料系统设计中的最新应用进展。

报告人简介：中国人民大学吴玉章讲席教授，物理学院院长，量子态构筑与测控教育部重点实验室主任，主要从事凝聚态物质的电子结构研究和计算方法发展以及AI与量子材料，在铁基超导、量子多体理论和量子材料等研究方面取得了一批有原创性的成果： 提出了铁基超导的反铁磁超交换作用机理，揭示了铁基超导中磁相互作用的微观起源及相应的非常规超导配对；提出了自然轨道重正化群方法，并应用于多自由度的量子杂质系统和动力学平均场理论；澄清非晶SiO2中氧空位缺陷的微观机理，并确定了相应的物理性质和动力学过程以及对微电子器件的影响。两次入选国家级领军人才计划，获2015年度教育部自然科学奖一等奖，同年中国物理学会叶企孙物理奖，和2019年度国家自然科学奖二等奖，主持国家重点研发计划以及基金委重大和重点项目。