Description of Research Group:本团队在高性能计算(High Performance Computing (HPC))框架下，基于数据驱动的人工智能/机器学习算法，运用高精度量子化学计算、分子动力学模拟、蒙特卡洛模拟、第一性原理力场模拟等多尺度方法研究化学、材料、能源、催化、环境、可持续等领域重要的科学问题。目前团队成员包括1名博士后、5名博士生、4名硕士生、8名本科生（3名大四，4名大三，1名大一强基班）。

具体情况介绍如下：
研究方向和研究领域：
1. 人工智能、机器学习、高通量筛选、数据驱动算法
2. 二维材料（包括：磁性、半导体、光电、拓扑）
3. 光/电催化和表界面催化反应机理（NRR, ORR, OER, HER, CRR）
4. 多孔材料（MOFs/COFs/ZIFs）及其在能源转换和存储方面的应用

研究背景和研究动机：随着计算机技术和各类不同计算方法的飞速发展，高性能计算(High Performance Computing (HPC))应运而生，成为继常规的实验方法和理论方法之后，第三种重要的科学研究方法，并且随着计算机技术的进一步发展变得越来越重要，HPC是现代科学技术和社会生产力发展到一定阶段的产物，它预示着人类认识客观物质世界的思维方式和认知方法的变革。当前，HPC已经渗透到现代科学的各个分支，对日常生活和工业生产已经产生了广泛而深刻的影响，并会继续影响着人类社会生活的各个方面。从本质上说，HPC是一种虚拟实验室(Virtual Laboratory)，它突破了传统的理论和实验方法在时间上和空间上的局限性，极大的放大了人类认识世界和改造世界的能力。HPC特别适合研究在极端条件下的化学和物理过程，如原子弹爆炸，宇宙大爆炸，行星内部物质存在状态，天气预报，冶金矿产探索，高温超导材料，等。在这些超高温和超高压极端条件下，传统的理论方法和实验方法很难有用武之地，而HPC则可大展拳脚。另一方面，高性能计算可降低研发成本、缩短研发周期、加快产业化进程，对于新型功能材料、能源材料的研发具有重要意义。HPC与传统学科交叉和杂化(Hybrid)之后，诞生了很多新兴学科，催生了很多新的增长点，极大的推动了交叉学科和新兴学科的发展。HPC在化学、物理、材料、纳米等领域有着广阔的应用前景，与我们课题组的研究工作密切相关。
 
研究方法和研究理念：我们的研究方法基于可靠详尽的计算，我们的研究兴趣在于建立定性的理解而不是产生大量高度精确的计算数据，通过分析电子结构和原子间的成键化学，我们希望提供一个概念性的框架帮助实验化学家合成具有特殊结构和新奇性质的化合物和功能材料。另一方面...