中国科学技术大学化学物理系江俊

zhuimengren

江俊，中国科学技术大学教授。2000年获武汉大学物理系物理学士学位，2007年获瑞典皇家工学院理论化学博士学位（导师罗毅教授），2008年获中国科学院上海技术物理研究所微电子与固体电子学博士学位（导师陆卫教授）。此后在瑞典皇家工学院（合作导师罗毅教授）与美国加州大学尔湾分校（合作导师Shaul Mukamel院士）从事博士后研究。2011年10月入选国家特聘专家，2013年获批国家科技部青年973项目负责人，2015年获中国化学会唐敖庆青年理论化学奖。聚焦于复杂体系内电子运动模拟，研究在多个物理与化学应用领域（光催化、生物化学、光化学、分子电子学与光子学）中的实际问题。在国际知名SCI期刊如Nat. Commun., JACS., Angew, Phys. Rev. Lett.等发表论文100余篇。

单位：化学物理系
地址：中国科学技术大学化学与材料科学学院化学物理系
邮编：230026
电话：0551-63602969
个人主页： http://staff.ustc.edu.cn/~jiangj1/
实验室介绍：
个人简历                 Personal resume        
主页： http://staff.ustc.edu.cn/~jiangj1/
2000年获武汉大学物理系人才基地班理论物理学士学位，2007年获瑞典皇家工学院理论化学博士学位（导师罗毅教授），2008年获中国科学院上海技术物理研究所微电子与固体电子学博士学位（导师陆卫教授）。此后在瑞典皇家工学院（合作导师罗毅教授）与美国加州大学尔湾分校（合作导师Shaul Mukamel教授）从事博士后研究并于2010-2011年任助理研究员。2011年10月入选国家特聘专家。
江俊博士主要从事理论化学研究，发展和应用多个尺度的物理与化学基础理论方法，聚焦于复杂体系内电子运动模拟，研究在多个物理与化学应用领域（光催化、生物化学、光化学、分子电子学与光子学）中的实际问题。曾获国家优秀自费留学生奖和中国科学院优秀博士论文奖励。在国际知名SCI期刊如J. Am. Chem. Soc., Angew. Chem. Int. Ed., Phys. Rev. Lett., Adv. Mater. and Nano Lett等发表论文56篇。获中国发明专利5项，发布4个针对不同应用的计算软件包，软件用户包括美国、瑞典等多个国家的知名研究组。2013年获批主持科技部“青年973”项目。2014年担任《中国科学-化学》、《中国化学快报》、《中国光学》期刊青年编委。
研究方向                 Research direction        
1、理论与计算化学
2、光催化、催化
3、分子光子学与电子学
招生信息                 Enrollment information        
知识背景要求：量子力学，结构化学，数学物理方法

erya

报告题目：功能材料偶极矩的模拟与设计
报告人：江俊教授, 中国科学技术大学
时间：5月6日（周二）15:00-16:30
地点：厦门大学曾呈奎楼3楼B311会议室

报告摘要：
在功能材料研究中，可通过控制电子态的演化行为来优化提升关键机理过程的效率。目前电子态演化的研究往往聚焦于负电荷即电子的运动，忽略了操纵正电荷运动的可能性。我们结合第一性原理和人工智能技术发展快速电子偶极矩计算手段，探索功能材料结构调控与电子态运动之间的联系。近期我们提出利用电子偶极矩驱动带正电荷的质子发生运动，实现复杂体系中的光电转换、能量转移、化学反应等过程的协同效率优化，发展了一种温和条件下对功能材料进行加氢处理的新策略，显著提升了材料的光电性能和稳定性。

lanchougu

最近，中国科学技术大学微尺度物质科学国家研究中心教授江俊，与中国科大教授罗毅和美国加州大学尔湾分校教授Shaul Mukamel合作，通过利用人工智能机器学习中的神经网络技术，模拟了蛋白质肽键结构与性质之间的构效关系，将计算量一下降低了上万倍。最后他们成功地预测了肽键紫外光谱，还用随机森林的办法揭示了具有化学内涵的结构描述子和构效关系。人工智能与量子化学理论计算的结合，为预测蛋白质的光学特性提供了一种高效的工具。相关成果以A Neural Network Protocol for Electronic excitations of N-Methylacetamide 为题发表在《美国国家科学院院刊》（PNAS, DOI:10.1073/pnas.1821044116）。

　　江俊课题组近些年致力于发展机器学习技术在量化领域的应用，努力探究使其成为解决量化问题的一种重要工具。在该工作中，研究人员首先在300K温度下通过分子动力学模拟以及量子化学计算，得到了五万组不同构型的肽键模型分子。通过机器学习算法筛选出键长、键角、二面角跟电荷信息作为描述符，通过神经网络来构建肽键基态结构与其激发态性质之间的构效关系。基于训练好的机器学习模型，预测出了肽键的基态偶极矩及激发态性质，最后预测出肽键的紫外吸收光谱。为了验证机器学习模型的鲁棒性，研究人员又基于300K的温度下得到的机器学习模型，预测出肽键在200K以及400K温度下的紫外吸收光谱，其结果与时间密度泛函理论计算很好地吻合。

　　这是人工智能技术首次用于理论计算预测蛋白质的光谱研究。通过理论计算得到大量数据，使用人工智能加以训练构建构效关系，使用最后得到的模型用于预测，为模拟蛋白质的光谱提供了一种新的思路。该项工作确立了机器学习模拟蛋白质肽键骨架紫外吸收光谱的可行性和优势，蛋白质的“光学指纹”解读也将会变得更加轻易和有效。

　　相关工作得到国家自然科学基金、中科院先导项目的资助，该论文第一作者为博士生叶盛与博士后胡伟、李鑫，江俊与Shaul Mukamel为共同通讯作者。

　　论文链接

中国科大等利用人工智能预测蛋白质“光学指纹”

diyuhei

报告题目：从AlphaGo 到材料基因——数据驱动的材料研发新范式
报告人：江俊教授, 中国科学技术大学
时间：6月14日（周五）下午15：00
地点：厦门大学卢嘉锡楼202报告厅


报告摘要：
随着人工智能的发展，以数据驱动的研究新范式逐渐在科学领域发挥重要作用。传统的研究范式常通过降低数据复杂度乃至牺牲观察维度的方式来简化规律模型，虽然直观却丢失了真实系统的演化细节。而化学与材料学科同真实世界的复杂性高度相关，要开发优越的化学特性、制备高性能的材料、揭示深层次的物理化学机制，都依赖于对复杂多维的化学组成、结构、环境、外场条件的高精度测量和优化。人工智能技术擅长从海量的数据中寻找“隐藏”的因果关系，提供了一种不丢失复杂度和维度去理解世界基本规律的可能。我们开发了化学材料的拓扑结构分析算法，建立了千万级别的功能分子、晶体和器件的材料特征数据库，实现了材料大数据分类、清洗和归纳。进一步结合量子化学计算与人工智能技术，我们发展了有效的材料描述符，探索了从物质结构到物理化学性质的构效关系，并实现了一批能源和金属材料的高效设计。


报告人简介：
江俊，中国科学技术大学微尺度物质科学国家研究中心教授、博士生导师。2000年获武汉大学物理系学士学位，2007年获瑞典皇家工学院理论化学博士学位，2008年获中国科学院上海技术物理研究所微电子与固体电子学博士学位。2009-2011在瑞典皇家工学院与美国加州大学尔湾分校从事博士后研究。2011年入选国家特聘专家，2013年获批主持国家科技部重大基础研究计划青年973项目。曾获2015年中国化学会唐敖庆青年理论化学家奖，2017年安徽省青年科技奖。从事理论化学研究，聚焦于复杂体系内电子运动模拟，研究在催化/光催化、能源材料中的实际问题。近年来探索化学信息学与材料科学的交叉，发展设计了一批特色的能源与催化材料。主持开发5个计算软件包在国内外研究机构和产业应用。迄今发表SCI 论文140余篇，引用4122次，H因子39。近5年作为通讯作者发表中科院1区论文40余篇，包括Nat. Energy(1篇)、Nat. Commun.(2篇)、PNAS(1篇)、J. Am. Chem. Soc.(3篇)、Angew. Chem. Int. Ed.(3篇)等。