报告题目：机器学习驱动的界面力场方法研究及高效催化界面设计

报 告 人：朱成博士

报告时间：2026年5月5日（周二）上午8:30-10:00

报告地点：机电楼505会议室

报告摘要：

分子动力学模拟是理解和设计高效催化和能量转换界面的重要方法。传统经验力场的精度以及对电子效应和环境依赖性的刻画存在明显局限。本工作提出了一种机器学习方法驱动的界面力场开发策略，该框架以基本物理化学性质物性为约束基准，综合考虑晶格常数、密度、力学性能及表面能等理化性质。在基础模型设计之上，对关键相互作用参数空间进行系统优化。通过引入贝叶斯优化、随机森林等机器学习方法，实现了电荷及势函数参数（ε和σ）的高效预测。所构建的界面力场能够准确复现实验结果（体相与界面模拟准确度>90%），所需的时间成本仅为传统方法的10%，实现了效率与精度的协同提升。

通过所构建的界面力场，我们研究了催化剂结构演变、反应物吸附过程、催化界面局域微环境结构等影响催化效率的关键因素，理解并揭示其与催化反应路径与动力学过程的对应关系，实现了高效光、电催化剂的设计，为深入理解界面催化反应机理及光、电催化材料的理性设计提供重要的研究依据。

报告人简介：

朱成博士，广东以色列理工学院材料科学与工程系副教授，博士生导师，广东省高层次青年人才，汕头市高层次人才。他本硕博均毕业于苏州大学，并于2019年至2023年在美国科罗拉多大学博尔德分校担任博士后研究员。此外，他还在2022年至2023年期间被聘为德国巴斯夫公司“BASF研究学者”。2024年5月，他加入广东以色列理工学院材料科学与工程系。他主要研究机器学习驱动的材料设计和模拟，在碳量子点、纳米催化、清洁能源、新型抗腐蚀技术等领域积累了丰富的研究经验。目前，已发表高水平学术论文近50篇，包括Science Advances, Advanced Materials, PNAS, Nature Catalysis, ACS Nano等。总引用次数3500余次，h指数35。作为负责人，他承担了多项省部级科研项目，获得德国巴斯夫公司研究基金并与其建立了深度合作关系。

欢迎全校感兴趣的师生参与！