讲座题目：Towards Interpretable Alfor Molecular and Materials Science

讲座时间：2026年6月5日(周五)上午10:00-12:00

讲座地点：大唐楼0210

讲座嘉宾： 林婉瑜

讲座内容概要：

分子与材料科学在应对全球性挑战——如医疗健康、能源可持续性、环境保护及下一代技术发展——中居于核心地位。药物研发、能量存储、碳捕获、催化剂设计及半导体开发等应用，充分彰显了这些领域的变革潜力。而所有这些进展的核心，在于设计与分析复杂分子及材料体系的能力。因此，“应用于科学发现的人工智能”正日益吸引机器学习、物理学、化学及材料科学界的广泛关注。其中的一个关键挑战在于构建有效且高效的分子与材料模型。尽管深度学习能够捕捉复杂的化学与物理行为，但其“黑箱”特性往往限制了其提供可操作科学洞见的能力。本报告着重强调了可解释性在深度学习中的核心作用。通过增强对模型预测的信任度，并使科学家能够从中提取有意义的机制性理解，可解释的AI框架可以赋予科研人员揭示新原理、加速系统性发现的能力。

讲座嘉宾介绍：

林婉瑜，香港理工大学电子计算学系助理教授，多伦多大学计算机工程博士。致力于可信深度学习方法研发，以加速科学模拟以及分子和材料的设计，通过融合前沿人工智能技术与基础科学原理，搭建兼具可靠性与高效性的计算体系，助力新型分子与材料结构的创新发掘。相关研究成果刊发于成果发表于 ICLR、NeurIPS、ICML、CVPR、TNNLS 等顶级学术会议与期刊。历任 IEEE TNNLS 副主编（2022–2026），现任 IEEE CIM、IEEE TETCI 副编辑、《Memetic Computing》编委， ACM、IEEE 会员，曾获 2022 CVPR 最佳论文提名、2025 香港理工大学青年创新研究者奖。