Digital Lab
课题组在传统催化与纳米材料化学基础上，率先将机器学习和大语言模型引入催化剂设计与机理解析:
AI-驱动的机理研究:利用分子描述符自监督学习，对反应中间体、电荷转移路径与界面微环境进行研究，为MOL/MOF-衍生催化剂提供可解释的结构-性能关联。
闭环材料筛选:依托自主开发的自动化合成-表征平台，配合贝叶斯优化与机器学习算法，实现从实验设计、数据采集到模型更新的-站式迭代，加速发现高效电催化与光催化材料。
化学大语言模型助理:发展构建”Copilot-Chem”智能体，将自然语言指令实时转换为实验控制脚本、数据分析流程、文献知识图谱与机器学习算法，支持学生快速完成从实验规划到论文撰写的全流程。
通过化学、材料、计算与自动化的深度融合，课题组正致力于打造面向能源与环境应用的智能催化研究范式。
移动电话：
邮箱：
Digital Lab