近日，北京大学深圳研究生院新材料学院潘锋教授团队传来喜讯，团队2022届博士毕业生陈冬凭借其出色的博士学位论文《基于机器学习与数学的材料预测方法开发及其应用》（英文题目：The Development and Application of Machine Learning and Mathematical Methods for Materials Science），荣获2023年度世界华人数学家联盟（ICCM）研究生论文奖（Graduate Thesis Award, GTA）银奖。该奖项旨在发掘和表彰全球范围内博士研究生在前沿数学研究中做出的具有数学创造性、原创性和深度的重大贡献。评奖委员会在授奖词中指出：“该论文探索了机器学习与数学模型的融合，以加速材料发现和设计。它专注于优化材料性能，降低成本，并改进材料科学的计算方法，从而提高研究效率。”这项荣誉是对潘锋团体与陈冬博士在交叉学科领域勇于探索、取得突破性成果的充分肯定。

陈冬获世界华人数学家联盟最佳博士论文奖证书

陈冬于2017年加入北京大学深圳研究生院新材料学院潘锋教授“材料基因与新能源材料”实验室，从事团队自主创建的图论结构化学和材料基因组学研究，后被推荐到密歇根州立大学数学学院魏国卫（Guo-Wei Wei）教授组联合培养，开展基于图论和拓扑学的结构化学和材料基因的研究，开发了结合数学、结构化学与人工智能技术（AI）相结合材料基因探索和新材料研究方法，系统地将机器学习与先进数学方法深度融合，应用于解决分子科学与材料科学中的关键问题，创新性地运用了代数图论 (Algebraic Graph Theory)、代数拓扑学 (Algebraic Topology) 和谱图理论 (Spectral Graph Theory) 等数学工具，开发了系列新颖的材料特征的数学方法，这些方法被成功应用于：(1)构建代数图论辅助的Transformer深度学习模型，显著提升了小分子性质预测的精度 [Nat. Comm. 2021, 3521]; (2) 提出基于代数拓扑和机器学习的高通量筛选策略，成功挖掘出多种潜在的快锂离子导体材料（JACS，2025revised）；(3)发展利用持续谱图理论分析多体相互作用的新范式Foundations of data science 2023，558），为理解和预测材料稳定性提供了有力工具。

潘锋团队在与菲尔兹奖（1982年）获得者丘成桐先生的数学研究中心合作开展图论结构化学研究时，陈冬首次成功地把丘先生创建的有向图的基础数学应用于分子与材料科学（JPCL，2023, 954）。团队合作开发了基于有向图论、AI和结构化学的方法，应用于解决分子科学与材料科学中的关键问题，可加速材料基因的探索和新材料的发现，并促进AI for Science（科学智能）的发展。

有向图的基础数学应用于分子与材料科学

陈冬博士于2022年毕业后，目前在美国密歇根州立大学数学系担任助理研究员，继续围绕数学驱动的“AI for Science”方向开展深入研究，取得了突破性的进展，相关成果以题为“基于有向超图的人工智能方法”发表在 《自然》的AI子刊（Nature Machine Intelligence，2024，799）上。他的获奖既是对其个人科研能力的认可，也是对团队图论结构化学研究工作的肯定，同时体现了北京大学在新材料、人工智能与数学交叉领域的人才培养和前沿探索的新进展。