01
AI for Materials Discovery
人工智能驱动材料发现
使用机器学习、数据挖掘与智能优化方法，加速候选材料的筛选、性能预测与设计迭代。
MLActive LearningGenerative Models
Materials × AI · Research ProfileGuangzhou, ChinaSCUT · 华南理工大学
Peng彭 宇
Materials Science PhD Candidate
AI FOR MATERIALS · MATERIALS INFORMATICS
South China University of Technology · 华南理工大学
From atoms to algorithms —
exploring the future of intelligent materials.
在材料结构、性能机制与人工智能之间，探索下一代材料发现的新范式。
SCROLL · 向下滚动
01 · About
About Peng
关于我
一段克制的自我叙述——不是经历的罗列，而是研究风格的声明。
我是一名来自华南理工大学的材料专业博士研究生，目前在广州从事材料科学与人工智能交叉方向的研究。我长期关注材料结构、性能机制、实验数据与机器学习模型之间的深层关系，希望通过 AI 技术重构材料发现、性能预测与实验设计的研究范式。
我的研究兴趣并不局限于单一材料体系，而更关注如何将材料科学中的物理化学机制、微观结构表征、多源实验数据与智能算法结合起来，建立面向未来材料设计的系统性方法。
相较于在单一方向上堆砌工作量，我更习惯从问题出发——先理解材料背后的结构秩序与性能机制，再用数据与模型把这些理解组织成可计算、可扩展、可验证的研究流程。
P
Peng · 彭宇
Materials Science PhD Candidate · AI for Materials Researcher
- Institution
- South China University of Technology
- 机构
- 华南理工大学
- Location
- Guangzhou, China
- Direction
- Materials × AI
- Status
- PhD Candidate
02 · Vision
Building intelligent pathways for materials discovery.
为材料发现构建一条智能的路径
材料科学长期依赖经验、机理假设与反复试错。AI 的出现带来一种新的可能：让数据成为知识的入口，让模型成为假设的生成器，让算法参与材料结构、性能与工艺之间复杂关系的理解。
01
Data as the Entry Point of Knowledge
让数据成为知识的入口
材料研究的经验正在被结构化、被索引、被重新组织——数据不再是附属品，而是理解材料的起点。
02
Models as Hypothesis Generators
让模型成为假设的生成器
机器学习不是替代研究者，而是扩展我们可以提出的假设的规模与维度。
03
Algorithms in the Loop of Discovery
让算法参与到发现过程之中
未来的材料发现是实验、理论、数据与智能模型共同协作的闭环，而非单一学科的独角戏。
03 · Research Focus
Where Materials Meet Intelligence
研究方向
围绕材料 × 人工智能交叉方向的六条主线，关注从微观结构到宏观性能、从实验数据到智能模型的系统性理解。
02
Materials Informatics
材料信息学
将实验数据、文献知识、结构描述符与性能指标组织为可计算的知识系统，推进材料数据的规范化表达。
DescriptorsKnowledge GraphData Schema
03
Structure–Property Relationship
结构-性能关系
研究微观结构、界面行为、缺陷状态与宏观性能之间的关联机制，关注可解释的结构-性能映射。
MicrostructureInterfacesInterpretability
04
Energy Materials
能源材料
面向储能、催化与能量转换等应用场景，探索高性能材料体系的设计逻辑与失效机制。
StorageCatalysisConversion
05
Multimodal Characterization
多模态材料表征
结合 SEM、TEM、XRD、Raman、FTIR、DSC、TGA 等表征数据，建立更完整的材料理解框架。
SEM/TEMXRDSpectroscopy
06
AI-assisted Experimental Design
AI 辅助实验设计
利用数据驱动方法优化实验变量、减少试错成本、提升科研效率，并与机理理解形成闭环。
DoEBayesian Opt.Autonomous Lab
04 · Core Skills
A Matrix of Materials, Intelligence and Method
核心能力
材料科学基础、人工智能方法、表征分析与科研综合能力——四条轴线构成交叉研究的底座。
Materials Science
材料科学
- 材料结构与性能分析
- 功能材料设计
- 能源材料理解
- 纳米与复合材料
- 微观结构调控
- 材料制备与工艺优化
Artificial Intelligence
人工智能
- 机器学习基础
- 数据驱动建模
- 科研数据清洗与特征构建
- 材料性能预测
- 高通量筛选思路
- AI 辅助实验设计
Characterization & Analysis
表征与分析
- SEM / TEM 图像理解
- XRD 物相分析
- Raman / FTIR 光谱理解
- DSC / TGA 热分析
- 结构-性能关联分析
- 科研图表与数据可视化
Research Competence
科研综合能力
- 文献调研
- 科研问题拆解
- 实验设计
- 结果解释
- 学术写作
- 跨学科沟通
05 · Featured Research
Featured Research Projects
代表研究项目
以下项目呈现为研究方向与概念构想，关注问题、方法、洞察与潜在影响之间的完整逻辑。
PROJECT · 01Ongoing
AI-Accelerated Discovery of Functional Materials
人工智能加速功能材料发现
围绕功能材料的成分-结构-性能关系，探索数据驱动的候选筛选流程，减少从设计到验证的周期。
Research Question
能否利用多源实验数据与结构描述符，在有限样本下可靠预测新候选材料的关键性能？
Methods
- 结构描述符 / 图神经网络特征表示
- 小样本学习与主动学习策略
- 不确定性估计与候选排序
My Role
问题定义、数据组织、建模流程设计、结果分析
Key Insight
在材料发现中，AI 更像一位协作者：它的价值在于组织假设空间并量化不确定性，而不是替代实验证据。
Potential Impact
为后续功能材料的高效筛选与实验优先级决策提供参考框架。
PROJECT · 02Concept Study
Multimodal Characterization Intelligence for Materials
多模态材料表征智能分析
尝试将显微图像、谱学数据、结构信息与性能数据进行统一理解，构建更完整的结构-性能分析框架。
Research Question
不同模态的表征数据能否在统一表示空间中相互校正与补全，从而提供更鲁棒的材料理解？
Methods
- 多模态表示学习
- 跨模态对齐与检索
- 基于物理先验的特征约束
My Role
模态梳理、数据结构设计、跨模态建模原型
Key Insight
单一表征很难回答复杂材料体系的问题；跨模态的对齐往往比单一模型的精细化更能带来突破。
Potential Impact
为材料表征工作流提供一种面向 AI 时代的整合方法，可服务于后续自动化分析。
PROJECT · 03Manuscript in Preparation
Data-driven Structure–Property Mapping
数据驱动的结构-性能关系映射
围绕微观结构、缺陷、界面与宏观性能之间的复杂关系，建立可解释的结构-性能关联分析方法。
Research Question
哪些结构特征对性能贡献最显著？如何在保持精度的前提下提供可解释的因果线索？
Methods
- 可解释机器学习（特征重要性、局部解释）
- 物理感知特征工程
- 对照实验与消融分析
My Role
研究问题拆解、特征体系设计、可解释性分析
Key Insight
可解释性不是附加品，而是材料研究中 AI 能否被采纳的关键；解释必须回到机理层面才具有研究价值。
Potential Impact
为结构-性能映射提供具有机理可读性的分析范式。
PROJECT · 04Draft Direction
AI-assisted Design of Energy Materials
AI 辅助能源材料设计
面向储能、催化与能量转换材料，探索机器学习辅助的实验变量优化与材料性能预测。
Research Question
在样本稀缺、实验代价高的能源材料场景中，如何用 AI 降低试错成本并指向更优实验设计？
Methods
- 贝叶斯优化与代理模型
- 主动学习下的实验变量选择
- 性能-稳定性联合评估
My Role
方向梳理、目标函数定义、代理模型原型
Key Insight
能源材料研究中的瓶颈常常不是建模精度，而是实验轮次；AI 的价值在于把每一次实验推向最大信息增益。
Potential Impact
为能源材料的实验规划提供数据驱动的决策视角。
06 · Writing
Selected Manuscript Concepts
论文概念与写作方向
以下内容为研究思考与写作方向，标注为 Concept / Draft / in Preparation，不代表已正式发表。
01
Toward AI-Accelerated Materials Discovery: Linking Structure, Data and Performance
讨论数据、模型与实验之间的协作范式，强调从结构描述到性能预测的可追溯路径。
Concept Manuscript
02
Multimodal Learning for Materials Characterization and Property Prediction
提出将多模态表征数据在统一表示空间中对齐，面向材料性能预测与结构理解的双重目标。
Draft Direction
03
Interpretable Machine Learning for Structure–Property Relationships in Functional Materials
探讨如何让模型的解释回到机理层面，而不是停留在特征重要性的表面。
Manuscript in Preparation
04
Data-driven Experimental Design for Next-generation Energy Materials
围绕贝叶斯优化与主动学习，讨论在实验代价高的能源材料研究中 AI 的适用边界。
Research Note
07 · Timeline
Academic Timeline
学术成长历程
从材料科学的基础训练，到材料 × AI 交叉方向的博士探索——研究轨迹的延展。
STAGE · 01
Undergraduate Foundation
本科基础
系统学习材料科学基础、物理化学、材料结构与性能等核心知识，建立扎实的学科底座。
STAGE · 02
Graduate Research Training
研究生训练
进入实验室，接触材料制备、表征分析、实验设计与科研问题拆解，形成研究工作的基本习惯。
STAGE · 03
PhD Exploration
博士阶段探索
聚焦材料科学与人工智能交叉方向，探索数据驱动材料设计与 AI 加速材料发现的研究路径。
STAGE · 04
Future Direction
未来方向
希望在 AI for Materials、材料信息学、智能实验与可持续材料设计方向持续深入。
08 · Highlights
Research Journey Highlights
研究训练与探索维度
以下数据是对研究训练与跨学科探索过程的一种可视化呈现，仅作为研究旅程 highlights，并非正式奖项或认证。
1000+
Hours of Research Training
科研训练时长
100+
Papers Reviewed
文献研读
30+
Materials × AI Concepts
交叉方向概念
20+
Characterization Workflows
表征流程
10+
ML Pipelines Prototyped
机器学习原型
5+
Interdisciplinary Themes
交叉研究主题
* research journey highlights · 研究训练与探索维度，非正式奖项或认证
09 · Philosophy
Research Philosophy
科研理念
材料科学不是只研究物质本身，而是研究结构、能量、缺陷、界面、时间与性能之间的复杂秩序。
人工智能也不只是工具，而是一种新的科学语言。它让我们有机会重新组织实验数据、重新发现隐藏规律，并重新定义材料设计的路径。
真正有价值的材料研究，既需要对微观细节的耐心，也需要对未来应用的想象；既需要严谨证据，也需要跨学科直觉。
我希望在结构、数据、智能与发现之间，做一个诚实的研究者—— 让每一次建模回到机理，让每一次实验指向信息增益，让每一个结论经得起重复与解释。
Peng · 彭宇·Materials × AI
10 · Contact
Let's Talk About Materials × AI.
联系方式
欢迎在材料科学、人工智能、交叉研究、合作机会等方向与我联系。
Phone电话
Location所在地
Guangzhou, China · 中国 · 广州
Institution机构
South China University of Technology · 华南理工大学
Direction研究方向
Materials × AI · AI for Materials Discovery
Presence
学术身份与链接
- WeChatAvailable upon request
- GitHubComing soon
- Google ScholarComing soon
- ORCIDComing soon
- LinkedInComing soon