王俊杰 教授

西北工业大学材料学院

报告时间😉：2024年4月12号（星期五）15:00-16:00

报告地点🙍🏼‍♂️：张江校区4号楼600会议室

邀请人👩🏽‍🎨：叶天南 长聘教轨副教授

个人简介

王俊杰，民建会员👰🏽‍♀️、工学博士🚾、西北工业大学凝固技术国家重点实验室副主任、国家级青年人才计划入选者、日本学术振兴会“JSPS学者”🤵🏼、STAM Methods期刊副主编🫠、陕西省纳米科技学会常务理事🧎🏻‍♂️‍➡️👱🏿‍♀️、日本东京工业大学客座教授。主要从事材料基因工程理论发展和应用研究🤼‍♂️，在发展新型催化、光电材料方面取得一系列创新研究成果。先后承担国家级青年人才项目🧑🏻‍🦼🤽🏼‍♀️、国家重点研发计划、自然科学基金面上项目等项目10余项，已在Nature Catalysis🦗👆🏻、Nature Communications👩‍🦼、Journal of the American Chemical Society🧲👩‍🚀、Angewandte Chemie等国际权威期刊发表SCI论文70余篇🕵️。受邀在国际材联MRM2023/IUMRS-ICA2023、中国材料大会2022-2023、MRS Spring Meeting等国际会议作特邀报告20余次👨‍👨‍👧‍👧。主办2019年和2023年计算结构预测及先进材料国际研讨会🤶🏿，并承办2019年和2022年凝固科学与技术高层论坛📷。

报告摘要

电子化合物和MAX/MAB相等富电子金属间化合物具有低逸出功、强给电子能力和强惰性键合力等关键特性。这些化合物在氨合成、氨分解、CO2加氢、碱金属离子电池等各种催化反应中显示出巨大的潜力。然而，富电子材料表现出广泛的成分变化和多样化的结构，这对有效设计此类新型多元素化合物提出了挑战。传统的材料设计和开发方法依赖于基于经验和实验的反复试验，效率低下且耗时🥚。这些方法无法满足工业应用对新型富电子材料的迫切需求🤞🏼。为了解决这个问题，最近的探索性研究集中在利用材料基因工程技术，例如高通量计算筛选、结构预测和机器学习🫷，来更有效地设计和开发新型富电子材料。通过使用高通量计算筛选🉑，研究人员可以快速评估大量潜在的化合物构型🏃‍♀️‍➡️，并确定有希望的候选化合物以进行进一步研究。结构预测技术有助于预测这些化合物的原子排列和晶体结构。此外，机器学习算法可用于分析大量现有数据并建立材料特性和成分之间的关系👷🏽‍♂️，有助于识别目标特性的最佳化学组合📠。本报告将介绍利用这些材料基因工程方法设计和开发新型富电子材料的最新研究成果🧗🏼。这些进步为加速发现过程和解决该领域对高效设计方法的迫切需求提供了一条有希望的途径。