近日，AI4EC Lab科研团队基于主动学习策略与随机电解液生成器，构建了面向电池电解液的通用机器学习势函数，在电解液性质预测与微观机理研究方面取得重要进展。相关研究成果以“Domain Oriented Universal Machine Learning Potential Enables Fast Exploration of Chemical Space of Battery Electrolytes”为题发表在 Nature Communications。

衷心感谢您对嘉庚创新实验室智能计算中心的信任与支持。 我们决定自2025年11月1日起对算力计费标准及优惠政策进行调整，具体信息如下：

近日，AI4EC Lab团队与、厦门大学王野教授团队与英国爱丁堡大学 Jeff Z. Pan 教授团队联合提出了一种结合大语言模型（LLM）与自建催化知识图谱（Cat-KG）的接力催化路径智能推荐方法。相关成果以《Synergizing Knowledge Graph and Large Language Model for Relay Catalysis Pathway Recommendation》为题发表于《National Science Review》。该方法通过自动化反应数据收集与结构化处理以构建知识图谱，并引入专家知识设定路径筛选规则，能够在数分钟内输出可靠的多步接力催化路径，从而显著提升催化反应设计的效率与可靠性。该研究成果展现了人工智能与化学催化研究的深度融合，为未来的光催化、电催化等领域拓展提供了新方向。

近日，汤富杰副教授课题组与德国马普学会高分子研究所Mischa Bonn教授、Yuki Nagata教授团队合作，在纳米尺度受限水结构研究领域取得重大突破。通过结合高精度理论光谱计算与和频振动光谱实验，研究团队首次证实：当水被限制在二维受限纳米空间时，其结构特性主要由界面化学性质决定，而非传统认为的几何限域效应；该规律在水层厚度大于8 Å（约3个水分子层）时始终成立，直至逼近分子级极限（<8 Å）才发生本质改变。这项创新性成果以《Interfaces Govern the Structure of Angstrom-Scale Confined Water Solutions》为题发表于国际知名期刊《Nature Communications》

近日，厦门大学与嘉庚创新实验室 AI4EC Lab提出的ec-MLP框架在机器学习加速电化学界面模拟方法发展取得重要进展，相关成果以“Machine Learning Potential for Electrochemical Interfaces with Hybrid Representation of Dielectric Response”为题发表于Physical Review Letters。该工作中，作者采用杂化框架对金属电极-电解液界面的介电响应进行描述，实现了对电解液中分子的局域极化特性与金属电极的非局域电子响应这两个关键特征的同时描述，为真实、复杂的电化学界面模拟提供了强有力的工具。该项研究成果的第一作者为厦门大学化学化工学院2020级博士研究生朱嘉欣，通讯作者为厦门大学程俊教授和朱嘉欣博士。

2025年6月22日至25日，第二届人工智能应用电化学国际研讨会（International Symposium on AI for Electrochemistry，iSAIEC 2025）在厦门大学成功举办。

近日，北京大学刘允研究员与厦门大学汪骋教授合作，开创性地采用数据驱动方法，揭示了硫脲催化1,2-二硫戊环开环聚合中过渡态的稳定机制，AI4EC Lab 助理研究员苏禹铭以共同一作的身份负责其中可解释机器学习部分的研究内容，包括描述符的设计以及特征降维的算法，最终启发化学家开发出了具有高活性和高区域选择性的催化剂分子。该研究成果发表于《德国应用化学》（Angewandte Chemie International Edition）。

近日，厦门大学与嘉庚创新实验室AI4EC Lab利用机器学习联用方法，在计算电解液动态核磁共振（NMR）谱解析领域取得重要突破，实现了对双氟磺酰亚胺锂（LiFSI）/二甲醚（DME）电解液中动态的⁷Li核磁共振化学位移的预测。预测结果精准揭示了⁷Li核磁共振化学位移的反转现象，与实验观测结果吻合。该成果是团队继电池正极材料动态核磁谱研究和NMRNet深度学习框架之后，在相关领域的又一次方法迭代与体系应用拓展，相关研究成果已发表于顶级化学期刊《Journal of the American Chemical Society》。

近日，厦门大学、嘉庚创新实验室 AI4EC Lab、北京科学智能研究院与深势科技联合研发的NMRNet深度学习框架在核磁共振（NMR）光谱解析领域取得重要进展，相关成果以“Toward a unified benchmark and framework for deep learning-based prediction of nuclear magnetic resonance chemical shifts”为题发表于Nature Computational Science。该框架通过新颖的SE(3) Transformer架构，成功实现了对液态和固态NMR化学位移的高精度预测，为分子结构解析和材料设计提供了强有力的工具。该项研究成果的第一作者为厦门大学化学化工学院硕士生徐凡杰，第二作者为加州大学戴维斯分校郭文韬博士（现为加州理工学院博士后），通讯作者为厦门大学程俊教授和汤富杰副教授、深势科技算法研究员高志锋。合作者包括嘉庚创新实验室副研究员王锋，以及深势科技算法研究员么琳和汪鸿帅。该研究受到田中群院士和鄂维南院士的指导，并得到北京科学智能研究院院长张林峰的支持。

人工智能加速动态催化自由能计算研讨会将于2025年4月12日在厦门大学思明校区举行！本次研讨会邀请了领域专家针对动态催化理论计算研究进展进行讲授，内容覆盖从催化反应机理研究、机器学习加速方法、工作流软件使用等多个方向。通过将先进的机器学习方法及自动化工具与催化理论研究紧密结合，向大家展示其在解决复杂动态催化问题的能力。

2025.3.11，美国物理学会(APS)将厦门大学（嘉庚创新实验室AI4EC Lab)汤富杰副教授作为第一作者在在国际顶级物理学期刊《Physical Review X》上发表突破性研究——《可见光吸收光谱揭示氢键网络中准一维水分子链有序性的多体量子理论研究》选为亮点论文，加州大学戴维斯分校Davide Donadio教授与美国科学院院士芝加哥大学Giulia Galli教授针对突破性研究在美国物理学会《Physics》杂志专门撰写新闻评论“Shedding Light on Water Wires”。

科学家首次通过可见光吸收谱“看见”了自然界中神秘的“水线”（water wires）！日前，来自美国天普大学、厦门大学/嘉庚创新实验室人工智能应用电化学实验室和耶鲁大学的研究团队在国际顶级物理学期刊《Physical Review X》上发表突破性研究，论文链接为：https://journals.aps.org/prx/abstract/10.1103/PhysRevX.15.011048。该项突破性研究还被美国物理学会(APS)选为亮点论文。

The 50th anniversary of its discovery underscores surface-enhanced Raman spectroscopy (SERS) as one of the oldest and most dynamic branches of nanoscience and nanotechnology. The time has come for nanostructure-based SERS to integrate artificial intelligence (AI) tools and overcome current commercialization challenges.

第一届复杂界面谱学智算研讨会将于2025年1月13日-1月15日在厦门大学翔安校区举行。我们邀请了国内外领域专家针对常见光谱的计算模拟方法进行讲授，课程内容覆盖复杂界面的振动光谱（红外、拉曼、和频光谱），固体核磁谱、X射线光谱（包括X射线吸收谱、X射线散射谱等）、原子力显微镜、以及以数据驱动为主的谱学处理方法等多个方向。

2024年9月24日，国际知名物理化学期刊J. Chem. Phys.在线发表了厦门大学汤富杰副教授和程俊教授课题组的研究论文，题目为《Revealing the molecular structures of α-Al₂O₃(0001)–water interface by machine learning based computational vibrational spectroscopy》，论文的第一作者为Xianglong Du。该论文被编辑评为“Editor's Pick”，编辑每年在两千多篇论文中精选四十余篇，旨在选出物理化学领域最有创新性和影响性的论文。此外该论文是应客座编辑邀请参与的纪念著名非线性光学大家沈元壤教授专刊“Festschrift in honor of Yuen-Ron Shen”，该专刊用来介绍非线性光学的发展以及在表/界面相关问题研究领域中的顶尖科学家的贡献。

为了积极响应人工智能时代的潮流与国家战略需求，促进人工智能技术在科学研究领域的应用与发展，8月23日，北京大学、北京科学智能研究院、嘉庚创新实验室等30家单位的专家学者在北京大学中关新园召开会议，倡议成立“全球科学智能发展联盟”。

2024年7月12日-19日，AI4EC Lab执行副主任程俊教授为2024厦门大学电化学研究范式暑期学校的参训学员开讲“计算电化学”课程。

AI4EC Lab与北京科学智能研究院、深势科技合作研发并推出面向金属纳米团簇表面动态催化基元反应的通用势函数模型——DPA-DynaCat，以加速金属纳米催化剂在反应环境下的动态性质计算与预测。

AI4EC Lab 于2024年4月推出首款面向动态催化研究的自动化势函数训练与自由能计算软件包—— ai²-cat（https://github.com/AI4EC/ai2-kit），综合考虑了真实催化反应环境下的催化剂结构动态效应与反应过程的耦合，通过结合主动学习策略与增强采样算法训练高精度机器学习势函数，用于对具体催化体系进行长时间尺度的分子动力学模拟，并结合增强采样算法计算反应自由能。ai²-cat 可为高效催化反应模拟与性质计算提供便利，推动催化研究从静态到动态的跨越，助力构建基于高通量自动化计算和 AI 模型的计算催化新模式。

环境问题一直是世界各国所高度重视的战略问题，清洁能源（如水、风、地热和太阳能等）的高效利用成为解决环境问题和实现可持续发展的关键一环。然而清洁能源的应用受限于地理位置和季节性等因素，为提高其利用率，必须发展更高性能的二次电池储能体系。其中，锂离子电池因为性能优异的储能体系，已经被大规模商业化。二次电池储能体系近年来受到了广泛的研究，然而作为其“血液”的电解液性能决定了电池的各项指标。通过计算电化学设计电解液材料成为这些年研究的热门。然而通过传统的前线轨道理论计算，不能准确描述电解液的复杂化学环境，无法设计电解液配方

厦门大学程俊教授团队与嘉庚创新实验室AI4EC Lab通过机器学习加速分子动力学、自动化工作流等方法，基于全原子高精度模拟计算物理化学性质，实现有机电解液设计，为在高溶解度环境(如浓水电解质、水包离子液体和混合电解质等)中高通量计算筛选用于氧化还原流动电池的有机分子创造了新的可能性。相关研究成果以“Accelerating Computation of Acidity Constants and Redox Potentials for Aqueous Organic Redox Flow Batteries by Machine Learning Potential Based Molecular Dynamics”为题发表在JACS期刊

当前，厦门市与嘉庚创新实验室正在合作建设面向未来能源化学研究的智慧储能大型基础设施，旨在解决工况研究中的诸多科学与工程难题。该基础设施将实现对电化学器件的实时“检测-解析-控制”闭环工况表征，其中人工智能模型扮演着关键角色，充当了检测、解析和控制的中枢大脑。AI4EC Lab正积极与智慧储能大型基础设施相关实验团队合作，为短期内在某个具体电化学器件中实现这一闭环研究的原型，在协助数据收集、构建人工智能模型等相关方面积极合作。

近日，厦门大学程俊教授课题组和AI4EC Lab，基于机器学习分子动力学模拟与自由能计算方法研究纳米催化剂的表面结构动态效应与反应之间的耦合，取得重要进展。相关研究成果以“Machine Learning Molecular Dynamics Shows Anomalous Entropic Effect on Catalysis via Surface Pre-melting of Nanoclusters”为题发表在Angewandte Chemie International Edition.

近日，厦门大学萨本栋微米纳米研究院/嘉庚创新实验室AI4EC Lab的汤富杰课题组与德国马普学会高分子研究所的Yuki Nagata和Mischa Bonn课题组合作，通过结合理论光谱计算和实验测量，研究了石墨烯-水界面的微观结构，取得了重要进展。相关成果已以“Heterodyne-Detected Sum-Frequency Generation Vibrational Spectroscopy Reveals Aqueous Molecular Structure at the Suspended Graphene/Water Interface”为题发表在Angewandte Chemie International Edition

厦门大学田中群院士及其同事们在讨论谱学电化学发展脉络和分析非原位、原位和工况三类表征的本质性区别的基础上，展望面向新型电化学能源器件/系统的新一代工况表征实验和理论方法。