水、溶液以及固液界面在自然界中无处不在, 小到我们人体中的每一个细胞, 大到整个海洋。理解这些体系对于推动科技进步、技术革新以及解决我们目前所面对的能源危机和水危机至关重要。由于这些体系涉及到各种相互作用之间微妙的平衡以及化学键的断裂和生成, 精确地描述这些体系的一个理想工具是第一性原理分子动力学模拟, 因为其从量子力学基本原理出发, 不带有任何经验参数, 既能够提供系统的微观动力学信息, 又能够预测系统的宏观统计性质。但是第一性原理分子动力学模拟的计算花费巨大, 通常只能模拟几百个原子, 模拟时间也限制在皮秒量级。就是这样的空间和时间尺度上的限制, 让水、溶液以及固液界面的第一性原理计算一直困难重重。但是, 近来机器学习技术的出现彻底地改变了这个局面。通过学习少量的第一性原理数据, 神经网络模型就能够准确而高效地描述具有第一性原理精度的复杂势能面。我们利用机器学习驱动的第一性原理分子动力学模拟方法, 从原子尺度对水、溶液以及固液界面这些体系进行了模拟, 获得了对这些体系更深入的理解。

张春一本科毕业于天津大学, 博士毕业于北京大学, 博士毕业之后先后在美国天普大学和普林斯顿大学从事博士后研究。主要研究方向是结合第一性原理计算、机器学习、分子动力学模拟等计算方法, 围绕水、溶液、金属氧化物、界面、纳米材料、非常规条件下的物质等展开深入研究。至今已发表学术论文14篇, 其中一作7篇, 通讯1篇。一作或通讯文章具体包括: 1篇PRL (该文章被Science杂志以新闻文章形式报道), 1篇Nat. Commun., 1篇JPCB (封面文章), 1篇Carbon, 3篇PRB, 1篇PRE。