导师风采
Tutor's Demeanor
教育培养 招生工作 导师风采
杨奕

特聘研究员

研究领域

生物信息与计算生物学

个人邮箱

yangyi@szbl.ac.cn

教育与工作经历

2024.05-至今 深圳湾实验室 系统与物理生物学研究所 特聘研究员

2019.04~2024.04 深圳湾实验室 系统与物理生物学研究所 副研究员

2016.01~2019.02 苏黎世联邦理工学院 Michele Parrinello教授课题组 博士后

2015.10~2015.12 北京大学 化学与分子工程学院 研究助理

2010.09~2015.07  北京大学 化学与分子工程学院 理学(物理化学)博士

2006.09~2010.06  山东大学 材料科学与工程学院  理学(材料物理)学士

研究方向

课题组致力于发展基于人工智能的分子模拟理论、方法、软件和计算平台,并将其应用到有意义的化学、生物和医药体系的研究中。

目前课题组的主要研究方向包括:

1)开发基于人工智能的新一代分子动力学模拟软件与计算平台;

2)开发基于深度学习的新型分子力场和增强采样方法;

3)复杂化学反应体系的多尺度AI分子模拟;

4)基于AI和分子模拟相结合的药物分子虚拟筛选、设计及晶型预测;

5) 凝聚态体系相变的理论研究。


成果荣誉

杨奕博士长期从事计算化学、特别是分子动力学模拟相关的理论研究工作,在J. Chem. Theory Comput.、J. Physical Chem. Lett.、Phys. Rev. Lett.等期刊发表学术论文二十余篇。

代表性成果:

1)增强采样方法的开发和应用:发展了多尺度增强采样方法MetaITS,对部分体系的采样效率可提高一个数量级以上;使用其在全原子分子动力学模拟中首次实现可逆冰水相变过程。

yangyi1.png

2)MD模拟中的深度强化学习:率先将深度强化学习引入分子动力学模拟,并创造了一系列创新算法。

yangyi2.png

3) MD模拟软件的开发:与华为技术有限公司合作开发了具有自主知识产权、基于人工智能的分子动力学模拟软件MindSPONGE,并提出了面向下一代MD模拟软件的全新“类AI”程序架构。相关文章(J. Chem. Theory Comput.2023, 19, 4338-4350)被选为“编辑良择”,且成为JCTC杂志12月内最佳阅读文章之一。

yangyi3.png

荣誉奖项

2020年获华为首批HUAWEI Ascend Expert (HAE) 荣誉称号

2022年成为昇思MindSpore资深布道师

2023年成为昇思MindSpore技术委员会成员

2024年获昇思MindSpore杰出贡献导师奖

代表论文

1. Zhang, J.; Chen, D.; Xia, Y.; Huang, Y.-P.; Lin, X.; Han, X.; Ni, N.; Wang, Z.; Yu, F.; Yang, L.;Yang, Y. I.; Gao, Y. Q., Artificial Intelligence Enhanced Molecular Simulations.J. Chem. Theory Comput.2023, 19, 4338-4350.

2. Li, M.; Zhang, J.; Niu, H.; Lei, Y.-K.; Han, X.; Yang, L.; Ye, Z.;Yang, Y. I.; Gao, Y. Q., Phase Transition between Crystalline Variants of Ordinary Ice.J. Phys. Chem. Lett.2022, 13, 8601-8606.

3. Lei, Y.-K.; Zhang, Z.; Han, X.;Yang, Y. I.; Zhang, J.; Gao, Y. Q., Locating Transition Zone in Phase Space.J. Chem. Theory Comput.2022, 18, 6124-6133.

4. Zhang, J.; Lei, Y.-K.; Zhang, Z.; Han, X.; Li, M.; Yang, L.;Yang, Y. I.; Gao, Y. Q., Deep Reinforcement Learning of Transition States.Phys. Chem. Chem. Phys.2021, 23, 6888-6895.

5. Zhang, J.; Lei, Y.-K.;Yang, Y. I.; Gao, Y. Q., Deep Learning for Variational Multiscale Molecular Modeling.J. Chem. Phys.2020, 153, 174115.

6. Zhang, J.;Yang, Y. I.; Noé, F., Targeted Adversarial Learning Optimized Sampling.J. Phys. Chem. Lett.2019, 10, 5791-5797.

7. Niu, H.;Yang, Y. I.; Parrinello, M., Temperature Dependence of Homogeneous Nucleation in Ice.Phys. Rev. Lett.2019, 122, 245501.

8.Yang, Y. I.; Niu, H.; Parrinello, M., Combining Metadynamics and Integrated Tempering Sampling.J. Phys. Chem. Lett.2018, 9, 6426-6430.