王怀谦教授课题组简介    

研究方向：本课题组面向国家“十五五”人工智能赋能新材料研发、发展新质生产力的前沿需求，以低维功能材料人工智能预测与原子尺度理论计算为核心，围绕低维材料机器学习方法、稀土/过渡金属掺杂纳米团簇量子物性、二维层状介电与光电功能材料三大主线开展研究：

1. 低维材料机器学习模型与高通量智能预测

发展物理感知图神经网络、原子间注意力势等人工智能模型，开发势能面拟合、全局结构搜索、张量物性快速预测算法，构建人工智能驱动的新材料高通量筛选研究框架，面向团簇、二维材料体系实现结构与性能的快速预测，探索材料科学与人工智能交叉新方法。

2. 稀土/过渡金属掺杂纳米团簇结构与量子物性

结合全局结构搜索、第一性原理计算与机器学习方法，揭示稀土、过渡金属掺杂团簇的成键特征、芳香性、电磁与光学响应规律，在原子尺度实现团簇基元物性精准调控，为团簇基元磁性、光电功能新材料智能设计提供理论支撑。

3. 二维层状介电与光电功能材料

基于第一性原理与人工智能辅助高通量计算，挖掘新型二维各向异性材料，研究其能带工程、载流子输运、极化与光响应特性，面向下一代微电子、光电器件，探索高性能二维介质与光电候选材料。

团队简介：课题组现有成员 20 人，其中在职研究人员 2 名、在读硕士研究生 10 名、本科生 8 名。依托先进高性能理论计算平台，长期与中科院实验团队开展理论-实验联合研究。融合人工智能、第一性原理计算、低维材料，形成 “机器学习建模 - 原子尺度理论计算 - 新材料智能预测” 一体化研究链条。依托人工智能高通量筛选，在二维半导体、MXene、Kagome 晶格等体系取得系列研究成果，课题组累计发表 SCI 论文 90 余篇，相关成果发表于Sci. China Phys. Mech. Astron.、PCCP、JCP、JCIM 等国际知名期刊，研究成果在材料智能计算领域受到同行广泛关注。

欢迎对自然科学领域（数学、物理、化学、材料等）以及人工智能、计算机方向抱有浓厚兴趣的同学加入王怀谦教授课题组。