由于非晶结构的无序性和非均匀性，如何提取其结构特征并建立结构与性能的定量关联，进而指导高性能非晶合金设计是该领域极具挑战性的问题之一。近年来，“数据+机器学习”成为探索非晶结构与性能关联的新范式。报告人将首先介绍基于特征工程的思路，从非晶结构特征出发的机器学习研究；进而介绍如何设计新型的深度图神经网络，实现非晶结构到性能的端到端(end-to-end)预测，以及在深度图神经网络的指导下，实现面向目标性能的非晶结构逆向设计。

王琦，中国工程物理研究院材料研究所副研究员。博士毕业于清华大学材料学院，先后在美国劳伦斯伯克利国家实验室、美国约翰霍普金斯大学开展博士后研究，入选第四届军事科技领域青年人才托举工程计划。主要研究领域包括非晶/高熵合金结构与性能关联的机器学习、前沿深度学习算法在材料设计及性能预测中的应用、材料数据库构建和程序开发等，以第一作者(含共同)在Nature, Nat. Commun., NPJ Comput. Mater.等学术期刊发表论文多篇。