（Materials Intelligent Design）

【团队介绍】

以新一代人工智能数据驱动方法为主要研发模式，融合高通量计算、高通量实验以及机器学习等材料基因组工程方法，实现高效率、低成本的新材料成分和工艺设计，为阐明材料科学基本问题及实现新材料的工业化应用提供解决方案。

【重点研究领域】

（1）原子尺度计算模拟方法开发及应用（反应力场等）

（2）高通量材料制备和表征实验设备的开发和应用

（3）机器学习方法开发及其在材料计算和实验设计中的应用

（4）金属合金（轻质合金、高温合金、高熵合金等）

（5）陶瓷材料（陶瓷-金属复合材料、抗菌材料等）

（6）能源材料（碳氢燃料、阻燃材料、含能材料等）

（7）纳米材料（碳纳米线、石墨炔等）

【团队带头人】

刘轶 教授

刘轶，博士，教授，博士生导师，在东北大学获得材料科学与工程专业的学士和硕士学位，1997年在中国科学院金属研究所获得博士学位，师从高温合金专家胡壮麒院士。然后分别在日本名古屋大学（1997-2002）、德国尤利希研究中心（2002-2003）、加拿大西安大略大学（2003-2005）、美国加州理工学院（2006-2012）从事计算材料学研究。2012年回国在上海理工大学材料学院学院任教授。2015年开始至今在上海大学物理系和材料基因组工程研究院任教授。获得上海市高层次人才计划和“浦江人才”称号。现任“中国材料研究学会材料基因组分会”和“中国材料研究学会计算材料分会”副秘书长、“中国化学会计算机化学专业委员会”委员。     研究兴趣是基于材料基因工程理念，融合原子层次计算模拟、高通量实验和人工智能/机器学习方法，研究高性能金属合金、陶瓷、能源材料和纳米材料等的“结构-工艺-性能”关系及其在复杂外界环境下的物理化学响应，在理解微观机制基础上进行新材料的成分与工艺优化设计。近五年发表学术论文40余篇，申报和授权发明专利/软著10余项。参与国家重点研发项目、国家自然科学基金和企业横向项目10余项。自主研发了机器学习特征模型及全流程高通量合金制备和表征系列设备，利用机器学习指导加速高通量计算和实验材料设计。组织申请和建设了国内首个以“材料基因工程”为理念的“材料设计科学与工程”本科专业。

【团队成员】

【部分科研项目】

【重要奖项】

上海大学教学成果一等奖（2022年）

代表性论文：

部分代表性论文如下：

1. Yi Liu*, Jiong Wang, Bin Xiao, Jintao Shu, Accelerated development of hard high-entropy alloys with data-driven high-throughput experiments, Journal of Materials Informatics, 2022, 2, 3.

2. Jintao Shu, Ziqiang Dong, Chen Zheng, Ankang Sun, Shuang Yang, Tao Han, Yanjie Liu, Zihan Wang, Shujuan Wang, Yi Liu*, High-throughput experiment-assisted study of the alloying effects on oxidation of Nb-based alloys, Corrosion Science, 2022, 204, 110383.

3. Rong Chen, Fu Liu, Yuchao Tang, Yanjie Liu, Ziqiang Dong, Zhenyan Deng, Xinluo Zhao, Yi Liu*, Combined first-principles and machine learning study of the initial growth of carbon nanomaterials on metal surfaces, Applied Surface Science, 2022, 586, 152762.

4. Fu Liu, Xiaoting Tang, Wan Du, Baoqian Chi, Xinluo Zhao, Yi Liu*, Radial and axial vibration modes of graphyne nanotubes, Materials Today Communications, 2022, 31, 103610.

5. Lu Liu, Tao Han, Shan Cecilia Cao*, Yanjie Liu*, Jintao Shu, Chen Zheng, Tongxin Yu, Ziqiang Dong, Yi Liu*, Enhanced wearing resistance of carbide reinforced FeCoNiCrMn high entropy alloy prepared by mechanical alloying and spark plasma sintering, Materials Today Communications, 2022. 30, 103127.

6. Wanchen Zhao, Chen Zheng, Bin Xiao, Xing Liu, Lu Liu, Tongxin Yu, Yanjie Liu, Ziqiang Dong, Yi Liu*, Ce Zhou, Hongsheng Wu, Baokun Lu, Composition Refinement of 6061 Aluminum Alloy Using Active Machine Learning Model Based on Bayesian Optimization Sampling, Acta Metallurgica Sinica, 2021, 57(6), 797-810.

7. Junxi Sun, Wan Du, Bin Xiao, Yuqin Wu, Yi Liu*, Tongyi Zhang, First-principles study of multiple-site substitutions of alloying elements in Ni-based single crystal superalloys, Science China-Technological Sciences, 2021, 64(6), 1276-1284.

8. Jianhui Chen, Yuchao Tang, Fu Liu, Jintao Shu, Yanjie Liu, Ziqiang Dong, Yi Liu*. Alloying Effects on the Oxygen Diffusion in Nb Alloys: A First-Principles Study, Metallurgical and Materials Transactions A, 2021, 52, 270–283.

9. Xiaomeng Wang, Bin Xiao, Yihang Li, Yuchao Tang, Fu Liu, Jianhui Chen, Yi Liu*. First-principles based machine learning study of oxygen evolution reactions of perovskite oxides using a surface center-environment feature model. Applied Surface Science, 2020, 531, 147323.

10. Weiwei Chang, Fu Liu, Yifan Liu, Tianxiang Zhu, Liang Fang, Qianqian Li, Yi Liu*, Xinluo Zhao*, Smallest carbon nanowires made easy: Long linear carbon chains confined inside single-walled carbon nanotubes, Carbon, 2021, 183, 571-577.