报告题目：机器学习驱动的新型金属催化材料理论设计

报告人：陈志文 博士 （加拿大多伦多大学）

邀请人：杨春成 教授

主持人：蒋青 教授

报告时间：2024年5月13日 10：30-11：30

网络报告地点：机械材料馆209学术报告厅

腾讯会议链接：https://meeting.tencent.com/dm/sQvC3DwpOZgT

会议ID：852-602-512

主办单位：汽车材料教育部重点实验室，吉林大学材料科学与工程学院

摘要：传统的催化规律，如吸附能线性关系、Brønsted-Evans-Polanyi (BEP)关系以及Sabatier原则，揭示了催化材料对反应中间态的吸附能力与其催化性能之间存在着火山图关系。然而，通过优化催化材料的吸附能力来实现理论最佳的催化性能已无法满足“能源资源高效转化”的“十四五”发展规划要求。针对上述科学问题，我们以催化材料活性中心的多样化为核心，设计了一系列新型催化材料，其中活性中心多样化既包括动态变化的活性中心，也涵盖静态多样的活性中心。所设计的新型金属催化材料皆具有突破火山图关系的能力，成功规避了吸附能线性关系、BEP关系以及Sabatier原则的限制，实现了催化性能的突破。

报告人简介：陈志文博士，2018年获得吉林大学博士学位，随后一直在加拿大多伦多大学从事博士后研究。长期专注于密度泛函理论探索催化材料电子/原子结构-吸附特性-催化性能的内在联系，同时结合机器学习对催化材料的催化性能进行高精度预测。基于以上研究方向，陈志文博士以第一作者或通讯作者（含共同）身份分别在Nat. Nanotechnol.（1篇）、Nat. Commun.（1篇）、Adv. Mater.（1篇）、J. Am. Chem. Soc.（3篇）、Matter（1篇）等期刊发表论文31篇，专著《Supported Metal Single Atom Catalysis》中1章，总引用次数为2600余次，H因子为29，4篇论文入选ESI高被引论文。