我的研究重点是整合多种计算方法，包括密度泛函理论（Density Functional Theory, DFT）、从头算与基于力场的分子动力学（ab initio 与 force field-based Molecular Dynamics, MD）以及机器学习（Machine Learning, ML），用于发现与优化先进能源材料和催化剂。我研究的材料体系包括金属/合金、金属氧化物、量子点、二维材料、金属有机框架（MOFs）以及非晶熔盐等。我的主要目标是解决可持续化学生产、能量转换与储存中的关键挑战，研究方向涵盖析氧反应（OER）、氧还原反应（ORR）、析氢反应（HER）、H₂O/CO₂ 分解以及选择性烃类转化等。此外，我还开展功能材料（如半导体材料）的研究。

通过跨学科合作，我已在 Science、J. Am. Chem. Soc.、Energy Environ. Sci.、Nat. Commun.、Angew. Chem. Int. Ed.、Adv. Mater. 等顶级期刊发表论文90余篇，总引用超过5100次，h-index 为35。我还荣获美国西北大学国际纳米技术研究所（International Institute for Nanotechnology, IIN）颁发的 Outstanding Researcher Award。

主要研究成果包括：

v  描述符工程：弥合机器学习与化学之间的鸿沟：

·  开发了基于红外/拉曼光谱的描述符，用于机器学习中准确预测分子在金属/合金表面的吸附性质，拓展了光谱学工具在表面化学与催化领域中的应用。（J. Am. Chem. Soc. 2022, 144, 16069）

·  提出了与电偶极相关的描述符，用于预测表面–吸附物相互作用。（J. Am. Chem. Soc. 2020, 142, 7737）。该工作被 Science “Editors’ Choice” 栏目评价为“a promising new type of catalytic descriptor”（Science 2020, 368, 727-728）。

v  高通量材料筛选以指导实验设计与合成：

·  建立了 DFT + ML 的计算流程，用于快速探索 20 万规模的钙钛矿材料空间，面向化学链空气分离、能源存储和 CO₂ 分解等应用。其中已有30多种预测材料通过实验验证，其性能优于商业标准材料。（Energy Environ. Sci. 2022, 15, 1512；Adv. Energy Mater. 2023, 2203833；Adv. Energy Mater. 2024, 17, 6279）

·  通过计算系统研究了 200 多种金属氧化物纳米簇，以评估其在甲烷选择性转化为甲醇反应中的催化活性。（EES Catal. 2024, 2, 351-364；ACS Catal. 2024, 14, 18708）

v  催化与材料机理研究：

通过与实验团队的紧密合作，解析了多种催化与反应过程中的关键机理，包括 CO₂ 还原（Science 2024, 384, 540）、电催化（Angew. Chem. Int. Ed. 2021, 60, 19262；Nat. Commun. 2021, 12, 709）、光催化（J. Mater. Chem. A 2019, 7, 6143）以及化学链反应（Sci. Adv. 2022, 8, eabo7343；Nat. Commun. 2022, 13, 718）。