生成式人工智能

生成式人工智能研究小组专注于 分布生成、数据驱动电子电镀 以及 可重构电池 三大核心研究方向，致力于推动 生成式人工智能在材料科学与化学领域的深度应用。小组成员来自 计算机科学 与 化学材料 等交叉学科，目标是通过 生成模型、数据驱动方法 等前沿技术，提升材料与能源领域的创新研究与应用能力。

研究方向

• 分布生成（Generative Distribution Modeling）
  开发基于 生成式模型（如GAN、VAE、Diffusion等） 的算法框架，实现 大规模化学材料结构分布生成 与 小分子、团簇分子和电池材料配置空间探索。加速新型材料的虚拟筛选、性能预测（如自由能）和发现化学过程稀有事件。
• 数据驱动电子电镀（Data-driven Electroplating）
  结合 LLM文献抽取 、 生成模型和分子表示学习，通过分子微观性质计算和预测、添加剂分子高通量筛选和预测、电镀填孔效果和CVs预测，研究电子电镀过程中的关键因素，优化电镀工艺与添加剂配方。跳过高时间金钱成本的电镀实验，直接在添加剂空间搜索适配不同场景的添加剂分子，提高电镀实验效率。
• 可重构电池（Reconfigurable Battery Systems）
  利用图神经网络（GNN） 与 电池组向量表示，模拟多电池组的串并联拓扑结构。结合多电池组状态预测模型、强化学习，通过AI生成适应不同场景的电池拓扑方案，平衡能量密度、循环寿命与安全性。