报告人：严琪闽博士 (劳伦斯伯克利国家实验室；加州大学伯克利分校)
时间：2015 年6 月18 日下午4 点
地点：天南大联合大厦 A 座2 楼会议室
摘要: 报告将简略介绍材料基因组计划(Materials Genome Initiative)在美国的发展，特别是高通量计算(high-throughput computation)和大数据(big data)技术的结合在不同的功能材料领域的应用。报告的主要内容将集中在光催化材料的筛选和预测方向。发展了一套基于第一原理计算和数据的新材料发现方法。这套方法用以寻找小带隙并具有合适光解水的能带边缘的过渡金属氧化物。基于材料计划(Materials Project)的现有框架，通过使用一套新的广泛适用的高通量自动化计算流程，实现了固体和表面电子结构的第一原理计算自动化。通过高通量计算提供的海量数据与机器学习(Machine Learning)技术的结合，仅利用密度泛函水平的计算结果便可以很好的预测更高阶的杂化泛函理论计算得到 的半导体带隙大小。这一发现大大加速了材料筛选过程，成功确定了若干在光照溶液环 境中稳定的光催化剂。其中两种材料已被加州理工学院人工光合作用中心的实验合作者 成功合成，光吸收实验数据与理论预测非常吻合。
严琪闽博士简历：
2003 年本科毕业于西安交通大学应用物理专业。2006 年硕士毕业于清华大学物理学专业。2012 年博士毕业于美国加州大学圣巴巴拉分校材料学专业。2012 年至今在美国加州大学圣巴巴拉分校和劳伦斯伯克利国家实验室做博士后。至今已经在Nano Lett.、Adv. Enegy Mater.、Phys Rev. B 和Appl. Phys. Lett.等期刊上发表论文30 余篇，论文被引用1200 多次，单篇最高引用400 多次。
欢迎广大师生踊跃参加！
南开大学分子科学计算中心
先进能源材料化学教育部重点实验室
天津化学化工协同创新中心