中文
Login
胡素磊，中国科学技术大学特任教授，2018年博士毕业于中国科学院大连化学物理研究所，随后在中国科学技术大学从事博士后研究。2021年转为特任副研究员，2022年转为副研究员，2023年转为特任教授。先后获国家高层次人才特殊支持计划青年拔尖人才项目、安徽省杰出青年基金、中国化学会唐敖庆理论化学青年奖、中科大墨子杰出青年特资津贴一等资助、合肥微尺度物质科学国家研究中心优秀博士后等荣誉称号与奖励，先后主持中国科学院青年创新促进会、中科大青年学术领军人才项目、中科大青年创新重点基金、国家自然科学基金青年和面上基金、国家博士后面上一等资助、博士后站中特别资助等项目。主要研究领域为能源催化材料动力学理论，发现材料尺寸纳米化和单分散性驱动熟化动力学基本标度律，揭示了纳米材料生长动力学与界面作用间一般性Sabatier新原理，建立了物理启发和机器学习驱动多尺度超稳定纳米催化材料设计新理论；将针对OR方程、PMC方程、反应方程、反应-相变耦合方程，发展神经网络求解偏微分方程算法、符号回归机器学习算法、神经网络生成式算法，揭示微尺度物质作用、原子输运动力学的物理规律并构建多层次构效关系模型，为指导微尺度物质材料的设计提供基础。近年来在Science、Nat. Catal.、Nat. Commun.、J. Phys. Chem. C.、ChemCatChem等期刊上多篇SCI论文。
带领团队以发展数据、知识和智能融合驱动的基于神经-符号复合表征的物质科学规律提取和功能材料逆向生成设计系统为核心目标，分为三个主要研究方向：1) 以确定独立筛选、蚁群信息素思想、树搜索策略为基础，兼融大语言模型和进化算法，发展数据、知识和智能融合的符号回归算法，逐步实现自动智能提取涌现描述符及其正交化，构建多层次模型，达到分布外预测和反事实推理的能力。2) 以材料结构的几何深度学习特征描述符和方程知识的谱或全局基函数变换为基础，发展针对非标量特征（如SOAP等集体变量）、方程约束和条件限制的神经网络构建算法，以实现复杂动力学过程和目标功能属性的建模和结构可逆生成。3) 基于上述方法，实现多孔材料限域气体吸附分离和金属烧结生长、氧化物离子和质子传导、负载金属纳米粒子成核烧结生长动力学、Li离子电池中的枝晶以及输运动力学等过程的建模、预测和设计。