• 所在学科：材料科学与工程
• 联系电话：13581981167
• E-mail：chenling@dijiaba.com
• 办公室地点：求是楼
• 交流时间：工作日9:00-11:00 13:00-15:00

教育和工作经历

1. 长江学者讲席教授，2025-至今，北京成人头条

2. 高级首席科学家，2022-2025，丰田北美

3. 首席科学家，2014-2022，丰田北美

4. 高级科学家，2011-2013，丰田北美

5. 博士后 2010-2010，密西根大学，材料科学与工程专业

6. 博士 2005-2009，佐治亚理工学院，化学工程专业

7.硕士 2002-2005，清华大学，化学工程专业

8.本科 1998-2002，清华大学，化学工程专业

研究方向

主要从事人工智能赋能的能源材料相关研究。面向性能优越、绿色低碳、 安全可靠的新能源应用需求，以人工智能为手段，开展其中的材料学相关问题研究，并拓展实用化器件的应用和智能监控。具体包括：

1）全固态电池电芯的关键材料研究及机理化分析；

2）氢能和电解水的催化剂研究；

3）电池的智能化设计、生产和品质监控；

4）使役状态下新能源器件健康状态评估和寿命预测；

5）基于大语言模型的全自动实验的实现和应用；

论文

在Chem, Nature Communications, ACS Energy Letters等学术期刊发表SCI论文60余篇；授权国际专利50余项。

部分代表作：

[1] Chemical Roadmap toward Stable Electrolyte–Electrode Interfaces in All-Solid-State Batteries, ACS Energy Letters, 2024

[2] Toward a stable and active catalyst for proton-exchange membrane water electrolysis, Chem Catalysis, 2024

[3] Dynamic Probe of Superionic Transition in Fluorite Structured Compounds, Renewables, 2024

[4] Phonon-promoted superionic conduction in fluorite-structured compounds, Chem, 2023

[5] Transfer learning aided high-throughput computational design of oxygen evolution reaction catalysts in acid condition, Journal of Energy Materials, 2023

[6] A review of the recent progress in battery informatics, 2022

[7] Descriptor-free design of multicomponent catalyst, ACS Catalysis, 2022

[8] A high-performance oxygen evolution catalyst in neutral-pH for sunlight-driven CO2 reduction, 2019
[9] Unsupervised Discovery of Solid-State Lithium Ion Conductors， Nature Communications， 2019

[10] A Strategy to Apply Machine Learning to Small Materials Dataset， npj Computational Materials, 2018

专利

授权国际专利50余项，部分专利如下

[1] US11855257

【2】 US11670799

【3】 US11923539

【4】 US10854915

【5】 US10773959

【6】 US10333169

【7】 US9819020

【8】 US9573114

【9】 US9246170

【10】 US11075381