一例评委给高分的长江学者特聘教授答辩PPT模板分享(附PPT源文件)

后台发送【模板】可获取PPT模板分享方式

特聘教授答辩PPT

一、个人基本情况

本人获计算科学与工程学博士学位，历任助理研究员、研究员至教授，致力于从原子电子结构到宏观电极性能的跨尺度预测。主持国家重点研发计划课题、国家自然科学基金海峡基金重点项目等。担任 Electrochemical Energy Review 主编、Frontier of Energy Storage 副主编，在国际会议作特邀报告150余场，获国家自然科学一等奖、科技进步一等奖等荣誉。

二、立德树人成效

开设国内首门《AI驱动的材料基因组设计》教育部示范课，主编《氢能电催化机理与器件工程》等教材。累计指导博士8名、硕士22名，其中4人获国家奖学金、2人入选“博新计划”。开发智能教学辅助系统3套，建设虚拟仿真实验平台年服务学生2000余人次，与头部AI企业共建联合实验室，培养复合型人才300余名。

三、学术创新贡献

贡献一：建立高通量筛选理论框架。将催化剂筛选范围从千种扩展至亿种，引入图神经网络与扩散生成式AI，构建主动学习驱动的“虚拟电催化基因库”，假阳性率降至0.1%以下。

贡献二：揭示动态晶格-溶剂场效应。针对电解槽高温高压强电场下理论预测偏差>30%的难题，建立包含时间维度与溶剂化自由能的模型，酸性介质活性接近Pt。

发表PRF、IJNME等顶刊论文70余篇，被美国、加拿大科学院院士评价为“实现从经验试错到理性设计的范式转变”。

四、服务国家战略

构建“AI驱动+高通量实验+极端工况模拟”研发体系，锁定非贵金属催化剂，成本降低90%，摆脱国外软件依赖。催化剂将电解槽系统效率提升15%，设备投资下降40%，动态响应型催化剂提升变负荷稳定性，为国家新型电力系统提供灵活储能方案，保障氢能产业链自主可控。

五、工作发展潜力

高通量筛选与AI预测模型可无缝迁移至电池材料、新药研发等领域。拥有自建“万点阵列微电极芯片”产线与超算中心，构建全球最大虚拟电催化数据库，主动学习算法可应用于复杂系统风险预测。平台将重塑材料研发范式，引领全球科技竞争。