近日，四川省“天府学者”特聘专家、德国埃尔朗根-纽伦堡大学材料系讲席教授、材料模拟研究所所长Michael Zaiser教授应邀来校开展学术交流。访问期间，Zaiser教授与新能源与材料学院领导和教师代表围绕科学研究、项目合作和人才培养等议题进行了深入交流，并就进一步深化合作的方向进行了探讨；Zaiser教授还与青年教师和研究生就相关研究进展进行了现场交流与指导。

9月2日上午，Zaiser教授在明德楼B305为学院师生作了题为“物理信息神经网络在功能材料多尺度多物理场建模中的应用——以钙钛矿铁电体为例（Application of physically informed neural networks for multiscale-multiphysics modelling of functional materials: A case study on perovskite ferroelectrics）”的学术报告。本次报告系《高分子材料模拟计算方法》课程特别讲座，学院20余名教师和40余名学生参加。

报告中，Zaiser教授围绕功能材料多尺度多物理场建模的关键科学问题与最新研究进展进行了系统阐述。他指出，许多功能材料的微观过程与宏观响应由多个物理场之间的耦合所主导，而这些耦合又由复杂的原子尺度过程介导，因此预测性物理建模需要融合量子力学、原子动力学与微结构物理的多尺度方法。

报告中，Zaiser教授还以具有钙钛矿结构的典型铁电材料钛酸钡（BaTiO₃）为例，介绍了如何利用物理信息神经网络（PINN）构建原子尺度分子动力学数据的可微分表示，用于连续介质相场框架下复杂多物理场模型的参数化，并演示了所建模型在模拟机械激励下铁电畴微结构演化方面的预测能力。相关研究成果已被国际知名期刊npj Computational Materials接受发表。

报告结束后，现场师生围绕物理信息神经网络与传统数值模拟的优势对比、机器学习与材料模拟交叉领域的学习路径、该方法在电池及储能等新能源材料中的应用前景等问题，与Zaiser教授进行了深入交流。与会师生对报告内容表现出浓厚兴趣，现场讨论气氛热烈。