报告题目：高通量技术与数据驱动方法加速新材料发现

报告人：沈浡（香港城市大学）

邀请人：崔志明（教授）

报告时间：2026年5月11日（星期一）下午15:00—17:00

报告地点：华南理工大学大学城校区B8-445会议室

报告人简介：

沈浡博士：香港城市大学材料科学与工程系校长助理教授 (Presidential Assistant Professor)。他于2019年在美国布朗大学获得化学博士学位，师从孙守恒教授，随后在西北大学Chad A.Mirkin教授课题组从事博士后研究工作。沈博士长期致力于高通量材料合成、材料基因组与人工智能辅助材料发现研究，重点聚焦于清洁能源相关的催化材料快速开发与“结构-性能”关系研究。结合高通量实验、数据驱动建模与机器学习算法的新型材料研发策略，实现了多组分纳米材料在成分、晶相、晶面及界面结构等多维参数空间中的高效筛选与优化。相关成果以第一作者或通讯作者发表在Nature Synthesis、Nature Communications、PNAS、JACS、Angew等国际期刊，总引用超过3000次。此外，他曾获得国际纳米技术研究所杰出研究奖、Dwight A. Sweigart 无机化学奖等奖项，并拥有美国专利2项。

报告摘要:

新材料的发现是推动众多领域技术进步的重要动力，在微电子、医药、能源与环境修复等领域均发挥着关键作用。然而，新材料的设计与开发通常涉及化学组成、材料形貌、尺寸及晶体结构等多参数协同优化，传统依赖经验的试错法已难以满足现代社会对高效研发的需求。针对这一挑战，本报告将介绍一种结合高通量合成、高通量表征与机器学习算法的数据驱动材料开发策略，实现复杂材料体系的快速筛选与性能预测，从而显著提升新材料发现效率。该方法已成功应用于多金属纳米材料的可控制备，并在燃料氧化反应与二氧化碳电还原等能源转化体系中展现出良好的应用潜力。此外，该策略还可进一步推广至其他功能材料体系，为高性能材料的快速发现与优化提供新的研究范式。