研究内容

当前能源材料研究面临体系复杂、界面动态变化剧烈、数据异构性强等挑战，亟需突破传统试错式设计范式。本团队围绕电池与催化体系的性能调控，构建融合原位/工况表征、多模态数据建库、人工智能建模与反向设计的一体化研究体系。依托先进实验平台，系统采集包括拉曼、XPS、XAS、电镜等原位光谱与电化学、温度、应力等工况参数，构建高质量结构化多模态数据库；基于此，开发图神经网络、多模态学习等AI算法，实现结构–性能关系建模与界面演化机制解析；进一步结合DFT等计算模拟，开展电解质与催化材料的反向设计与实验验证，实现体系运行状态的管理调控。最终形成AI驱动的“表征–解析–调控”闭环，加速高性能能源材料的智能化开发。

研究成果

团队长期从事电化学、能源化学、表面增强拉曼光谱、人工智能相关研究。面向双碳减排，新质生产力等领域，开发基于表面增强拉曼光谱的能源材料表界面分析手段，实现了锂电池、燃料电池等关键能源存储转化过程的解析与设计，结合人工智能方法，实现关键能源材料的开发, 在Nature（2）、Nature Energy、Nature Mater.、Nature Nanotechnol.、Nature Catal.等发表论文370余篇，被引28000余次。团队主持国家自然科学基金杰青项目及其延续资助、优青、重点研发计划、重大项目、面上项目等。同时，和宁德时代、厦门时代、厦门钨业等开展密切横向合作。团队成员获得国家自然科学二等奖、腾讯科学探索奖、国家万人计划-科技创新领军人才、中国青年科技奖等荣誉称号和奖项。

招生要求

1.对 AI for Science 交叉研究方向感兴趣的数学、物理、化学、人工智能、计算机科学与技术、软件工程等相关专业全日制本科毕业生及硕士毕业生；

2.语言要求：英语6级或雅思6.0及以上；

3.其他要求：具有自驱力、责任感和上进心、数理基础好、编程能力强、有相关研究经验优先考虑

招生联系老师及联系邮箱：李剑锋老师 Li@xmu.edu.cn