O. Anatole von Lilienfeld
La nomination
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2022
Anatole von Lilienfeld est titulaire d’une chaire en IA Canada-CIFAR à l’Institut Vecteur. Dirigeant une équipe interdisciplinaire à l’Université de Toronto, von Lilienfeld élabore des méthodes théoriques et informatiques pour l’exploration de l’espace chimique fondée sur la mécanique quantique et la mécanique statistique. Bien que ses recherches relèvent du domaine de la chimie physique, elles s’appuient sur la théorie et les calculs ainsi que sur des méthodes de physique, de mathématiques et d’informatique. Au lieu de mener des expériences primaires, l’équipe d’Anatole von Lilienfeld compare les prédictions informatiques aux résultats expérimentaux rapportés dans la littérature scientifique ou obtenus par l’entremise de collaborations directes avec des expérimentateurs et expérimentatrices.
Les travaux d’Anatole von Lilienfeld portent sur l’espace chimique et s’appuient sur le grand ensemble canonique conceptuel et moléculaire, la théorie de la fonctionnelle de la densité, la conception de ligands et la liaison intermoléculaire, la chimie quantique (résolution d’équations approximatives de Schrödinger à l’aide de la théorie de la fonctionnelle de la densité, de méthodes semi-empiriques ou de méthodes post-Hartree–Fock), l’apprentissage automatique (apprentissage supervisé et non supervisé), la mécanique statistique (utilisation de champs de force électroniques, atomistiques, à gros grains et empiriques et simulation multiéchelle), les molécules, les liquides et les solides, y compris les cristaux et les défauts moléculaires, et la superinformatique.
Prix
- Prix Löwdin pour un conférencier, Université d’Uppsala, 2021
- Prix Feynman pour l’excellence en théorie, Foresight Institute, 2018
- Conférencier Woodward, département de chimie de l’Université Harvard, 2014
- Prix Thomas Kuhn pour un changement de paradigme, OpenEye, 2013
- Prix d’excellence, LDRD Sandia Laboratories, 2010
Publications Pertinentes
- Back, S., Aspuru-Guzik, A., Ceriotti, M., Gryn'ova, G., Grzybowski, B., Gu, G. H., Hein, J., Hippalgaonkar, K., Hormázabal, R., Jung, Y., Kim, S., Kim, W. Y., Moosavi, S. M., Noh, J., Park, C., Schrier, J., Schwaller, P., Tsuda, K., Vegge, T., von Lilienfeld, O. A. et Walsh, A. (2024). « Accelerated chemical science with AI ». Publié dans Digital Discovery, 3(1), pp. 23-33. Royal Society of Chemistry (Société royale de chimie).
- Huang, B., von Rudorff, G. F. et von Lilienfeld, O. A. (2023). « The central role of density functional theory in the AI age ». Publié dans Science, 381(6654), pp. 170-175.
- Karandashev, K. et von Lilienfeld, O. A. (2022). « An orbital-based representation for accurate quantum machine learning ». Publié dans The Journal of Chemical Physics, 156(11).
- D Lemm, D., GF von Rudorff, OA von Lilienfeld. (2021). Machine learning based energy-free structure predictions of molecules, transition states, and solids. Nature Communications, 12.
- B Huang, OA von Lilienfeld. (2020). Quantum machine learning using atom-in-molecule-based fragments selected on the fly. Nature Chemistry, 12.
- M Rupp, A Tkatchenko, KR Müller, OA von Lilienfeld. (2012). Fast and accurate modeling of molecular atomization energies with machine learning. Physical Review Letters.