主要学习工作经历
学习经历:
2003.09-2009.06杜克大学理论和计算化学博士2001.09-2003.06中佛罗里达大学工业化学硕士1996.09-1999.06四川大学高分子化学硕士1992.09-1996.06四川大学化学学士
工作经历:
2026.01-至今，福建福耀科技大学，正教授2013.08-2025.12，纽黑文大学化学、化工和生物医学工程系，先后任职:助教，副教授，和正教授2009.08-2013.07，耶鲁大学，博士后、助理研究科学家2003.08-2009.07，杜克大学化学系，研究助理、访问学者1999.07至2001.08，四川大学化学系，讲师
工作设想与计划
分子与材料的AI设计领域背景:随着人工智能技术的快速发展，AI在催化剂，高分子材料，和药物研发中的应用潜力巨大。开发新的AI 技术来系统性地设计分子与材料，将带来数万亿美金的市场前景。现在急需解决的科研问题:如何用AI来设计催化剂和高分子材料，是一个没有完全解决的科学与技术问题。研发背景与优势:我有25年从事“理论加试验”来进行“AI驱动的分子与材料设计”研究的经验，并且有自己的原创性AI化学理论一分子逆向设计理论，该理论可以与其他AI技术结合，系统性地设计催化剂，光学材料，药物分子，或者高分子材料。研发计划:我计划在福耀科技大学开发系统性的AI 驱动的分子与材料的设计方法或者平台，把它们应用于催化剂，金属材料，高分子材料，与药物分子的研发。中国目前是制造业大国，我的研究会致力于帮助中国成为制造业强国，引领全球工业4.0的技术革命。下面是具体的两个在研方向。1.AI驱动的多相催化剂的设计用于木质素的高选择性转化本研究旨在发展一套系统的快速有效的人工智能(AI)驱动的多相催化剂设计方法，来设计选择性可调的氢解催化剂来将木质素转化成为高价值的液态有机分子。本AI驱动催化剂设计方法将有机的结合逆向分子设计方法，图形神经网络，人工神经网络方法来设计丰土金属合金氢化催化剂。同时我们会用实验合成与表征的办法来验证催化剂的设计。这个研究工作会解决如何用基于第一性原理的量子化学的AI方法来准确地调节多相氢化催化剂的活性与选择性的基础化学问题。逆向分子设计方法利用梯度信息引导搜索，具有高效性与高指向性，它能够快速地找到最优的合金催化剂类型，然后图形神经网络和人工神经网络方法能够通过学习快速有效找到最优的合金元素比例。此AI方法设计来的催化剂在试验验证中具备完全的可行性。这是一次应用具有普适性的AI 技术来提升催化反应能力的科学突破，将会对多相催化的设计和工艺优化产生深度的影响。2.高性能环氧塑封料的AI设计与应用环氧塑封料(EMIC)主要用于保护半导体芯片不受外界环境的影响，并提供导热、绝缘、耐湿、耐压、支撑等复合功能。先进封装材料是中国半导体和集成电路产业发展的“卡脖子”技术，环氧塑封料是其中用量最大的一种。2024年，中国环氧塑封料市场规模约为100亿元，但是2/3环氧塑封料由日本等进口高端产品占据，价格较高。同时，半导体技术的快速发展，也对环氧塑封料性能的提高提出了新的要求。因此，我们急需研发新一代的高性能的环氧塑封料，解决卡脖子问题，替代进口，降低价格，提高半导体的封装技术水平，让我们的半导体产品有更高的国际竞争力。我课题组拟借助人工智能(AI)进行环氧塑封料中核心组分的结构设计、筛选和配方优化，确定并突破工艺中的关键节点，研制出与进口高端产品性能相当或占优的先进环氧塑封料。创新点是通过人工智能辅助的理论设计，与产业应用研究紧密结合，加快突破先进塑封料所要求的低热膨胀/低应力/低翘曲、低吸潮、低粘度、高粘结、绿色阻燃、产品一致性等关键技术。预期的结果:在今后的5年里，我将在福耀科技大学新能源新材料学院进行科研与教学工作。1.每年有2-3篇的高质量的文章发表。2.平均每年承担1-2项国家，省市，或者企业资助的科研项目。3.平均每年指导1-4名的博士，硕士，或者本科生从事科研工作。
办公地址：福建省福州市闽侯县南屿镇智慧大道104号福耀科技大学行政楼313办公室
