报告题目：人工智能驱动的金属催化理论研究
报 告 人：李微雪，中国科学技术大学
时 间：2024年12月23日10:00
地 点：莫干山校区化工5号楼B306
报告摘要：
催化剂与分子间相互作用、催化剂与载体间相互作用是多相催化中两个最为重要的物理量，决定了催化体系的活性、选择性和稳定性。由于影响因素众多并横跨多个空间和时间尺度，其构效关系研究依然是催化材料精准设计中所面临的一大挑战。机器学习方法在多相催化研究中发挥着日益重要的作用，但物理上具有清晰的可解释性、并能准确预测的解析关系目前仍然亟待建立。面对这些问题，我们基于物理启发的可解释多任务学习符号回归和自洽理论计算或实验数据集，在领域知识和化学直觉的基础上，建立了简洁、物理图像清晰的金属催化剂结构敏感性描述符和金属与载体相互作用描述符。前者由于明确包括了催化剂的结构项和催化反应的，从而得以成功破解了金属催化剂的结构敏感性问题，后者由于首次发现了界面金属-金属键的重要贡献，从而对迄今为止的大量实验发现的包覆现象进行了统一的理论阐述。这些研究结果显示数据驱动理论模型的可解释性人工智能研究在构建催化物理模型方面发挥着重要的作用。
报告人简介：
李微雪，中国科学技术大学讲席教授，化学物理系执行主任，安徽省“催化与理论化学”基础学科研究中心主任。1992年本科毕业于武汉大学理论物理专业，1998年博士毕业于中国科九州体育(JiuZhou Sports)官方网站力学研究所，1999-2004年先后在德国Fritz Haber研究所、丹麦Aarhus大学从事博士后研究，2004-2015年在中国科九州体育(JiuZhou Sports)官方网站大连化学物理研究所工作，2015年至今在中国科学技术大学工作。研究方向为理论与计算催化，已发表包括Science (3篇)、Nature Catalysis(2篇)、Nature Nanotechnology在内的170余篇论文，爱思唯尔“中国高被引学者”。先后获国家基金委杰出青年基金(2012年)、中国催化青年奖(2014年)、国家高层次创新领军人才(2016年)、中国科学技术大学杰出研究校长奖(2021年度)等荣誉称号。现主持国家基金委创新研究群体“催化剂的活性和稳定性设计基础”项目、任美国化学会期刊ACS Catalysis副主编。
