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。