新能源系统建模
启动电解水制氢电解槽阵列优化研究，使用 Python 建立电热耦合模型、调度优化与控制界面。
代表结果：国家级大学生创新创业训练计划主持；Cup-AWE V1.0 软件著作权。
Journey · 经历
经历
我的经历并没有严格沿着一条预先规划好的路线发展。从新能源系统建模，到材料、机器学习，再到现在的 AI for Science、科研平台与 AI 产品，我越来越明确自己喜欢的是理解复杂问题、建立模型，再亲手把它做成一个系统的过程。
对待经历的判断
观点 01
愿意进入新领域
我愿意进入新的领域，并尽可能真正理解它的基本问题。
观点 02
关注长期问题
比起被一个单一专业标签定义，我更关注自己长期在解决什么问题。
观点 03
连续的成长路径
科研、工程和产品对我而言是一条连续的成长路径。
观点 04
快速学习与亲手构建
希望长期保留快速学习和亲手构建东西的能力。
2022 – 2026 时间线
一条从能源系统建模走向 AI for Science 的路径，强调「问题 - 方法 - 系统」的连续性，不以学校名称作为叙事主轴。
科创与研究训练
围绕低碳、CCUS、节能减排等方向参加国家级科技竞赛，并持续强化计算建模、数据分析与科研表达。
代表结果：三次本科生国家奖学金（连续三年专业第一）；多项国家级科创竞赛成果。
AI for Science · D-A 光催化
研究重心转向分子机器学习与量子化学，搭建 PM6 → DFT → TDDFT/Multiwfn 分层计算和 AI 筛选流程。
代表结果：约 2.6 万分子级数据生产 / 筛选队列；最佳独立测试 MAE 0.0702 eV。
NanoPUF · 材料 × 芯片 × AI
利用 BCP 自组装随机纳米图案与 SEM 图像构建芯片表面物理指纹验证流程。
代表结果：126 张 SEM 图像；AUC 0.977；NanoPUF Research Platform。
科研平台化
持续将研究流程产品化，开发 ExcitationNexus 与 NanoPUF Research Platform，强调数据、计算、模型、审计和结果追踪。
代表结果：从离线模型实验扩展到可复用科研 workflow。
AI 产品实践
推进元聚客源助手 AI 营销短视频小程序，以及 ViolinSense AI（AI 音乐 × 小提琴辅助学习）原型。
代表结果：完成云端 Alpha / 原型验证，持续探索 Agent workflow 和真实使用场景。
上海 · AI for Science
在上海交通大学化学化工学院继续开展 AI for Science 方向研究，关注分子机器学习、量子化学、科研智能体与跨学科问题。
代表结果：研究、工程与产品三条线并行发展。
教育
上海交通大学 · 化学化工学院
AI for Science 方向博士生：分子机器学习、量子化学与科研智能体。
中国石油大学（北京）· 化工学院
AI4E 方向本科；主修课程：高等数学 I 96、Python 程序设计 100、物理化学 100、胶体化学 96、化工原理 II 95。
荣誉与科创
国家奖学金 × 3（连续三年专业第一）
低碳循环科技创新大赛 · 国家级特等奖
CCUS 创新创意赛 · 国家级三等奖
节能减排社会实践与科技竞赛 · 国家级三等奖
校三好学生 · 科创先进个人（共 10 次）
软件著作权 Cup-AWE V1.0
这条路上的坐标
电解水制氢电解槽阵列优化 · 国家级创新项目
AI for Science 研究转向 · D–A 与 NanoPUF
国家奖学金与国家级科技竞赛 · 代表荣誉
AI 产品与跨学科项目 · 元聚客、AI 音乐等
下一阶段
继续深化激发态量子化学、多目标预测、不确定性 / OOD、主动筛选，并探索自旋化学、CISS 与更广泛的科学智能。目标是形成稳定的个人研究主线与长期可迭代的科研工具。
想了解完整路径？
从制氢优化到 AI for Science——欢迎交流。