光谱智能解析:

光谱学是现代科技最重要的表征手段,对光谱学信号的解释是研究的关键。目前实际中仍依赖于有经验的专家进行人工识谱,成本高昂、效率低下,且易出现低级错误。我们基于人工智能方法,设计不同谱(如太赫兹、红外、拉曼、紫外-可见吸收、核磁共振、X射线吸收等)的识别系统,用于实验光谱的自动解析。目前已成功实现有机分子的红外谱和拉曼谱自动识别。


催化材料数据库设计和数据挖掘:

材料基因是当前国家重点支持的研究方向,也是其他发达国家近十年来竭力发展的材料研究新模式。基于已有的实验、计算数据和催化机理,设计催化反应的合理描述方法,构建数据库,利用机器学习方法进行重要的传统催化反应(如脱硫、加氢等)高性能催化剂设计;不仅能解决目前产业升级亟需的科学数据不足问题,还可以探索材料研发的新范式。


发展新型催化体系表征技术的理论描述方法并进行机理研究:

先进表征技术及其理论描述在科研领域属于“卡脖子”问题,长期以来,我们针对一些重要表征技术发展了理论模拟方法,也设计了一些新型实验技术。目前已成功开发非弹性电子隧穿(国内唯一)、超快共振拉曼(世界首例)、含时光电子能谱(国内唯一)等理论模拟程序,现致力于设计高分辨率光电结合扫描探针用于固体材料探测。


太赫兹光谱理论计算和新型实验方法设计:

太赫兹介于红外和微波之间,是当前电磁波谱上唯一未被透彻研究的频段。太赫兹谱对应于体系的低频振动,跟分子间的若相互作用相关,在复杂体系(如生命体系、吸附体系等)中与微观结构和结合方式具有较强关联性,也可以用来进行此类物理量的探测和表征。我们前期与某国防单位合作,实现了分子晶体太赫兹光谱的精确计算,目前基于超快脉冲技术,设计新型太赫兹光谱检测方法,可应用于国防、安检、质检以及能源、材料、化学、物理等基础科研领域。