胶体、表面活性剂系统及多孔材料
多尺度过程与材料建模
智能产品与工艺工程
数据驱动的化学工程
纳米材料与软物质
深共晶溶剂等绿色溶剂的应用、生物质转化、碳捕集以及连续流工艺开发。
结晶与颗粒技术
专家详情：
1. 重要履历
申报人于瑞士洛桑联邦理工学院与保罗谢勒研究所联合培养项目获得材料科学与工程博士学位，其博士研究荣获EPFL博士论文杰出奖提名。目前，申报人担任化学工程讲师（助理教授）并领导“智能材料与过程工程”研究组。此前，申报人拥有剑桥大学博士后研究经历，并曾先后在全球知名工业企业西门子（Siemens）及联合利华（Unilever）担任产品开发与数据科学经理，具备深厚的“产学研”结合背景。
2. 技术能力
申报人长期致力于化学工程、材料科学与过程系统工程的交叉领域研究，专注该领域超过十年。其核心专长在于开发并应用多尺度计算机模拟与数据科学方法，进行配方产品（包括药物、纳米材料、软物质及个人护理品）的理性设计与智能制造。申报人尤其擅长将基于物理机理的模型（从原子尺度分子动力学到宏观尺度群体平衡模型）与数据驱动及机器学习方法深度融合，以解决复杂化学产品设计与制造过程中的关键瓶颈。申报人是一位在智能过程工程与产品数字设计领域的资深专家。其一项突出成就在于，开创性地建立了全局不确定性/敏感性分析框架，并将其应用于纳米材料合成过程的机理动力学模型，成功指导了金纳米颗粒的实验合成，揭示了胶体金生长动力学的长期未解之谜，相关成果发表于材料科学顶级期刊《ACS Nano》。
3. 标志性成果
申报人作为研究负责人或核心贡献者，领导并深度参与了多项具有重大产业影响的前沿项目。在剑桥大学博士后研究期间，作为核心成员开发了适用于空气敏感有机金属反应的连续流微反应器，实现了在室温条件下的安全、稳定操作，该突破性工作发表于顶级期刊《Chem》。在联合利华研发中心任职期间，作为数据与胶体科学经理，领导团队将高通量实验数据与多尺度模拟技术（全原子/粗粒化分子动力学、DPD、COSMO-RS）相结合，并开发部署了机器学习与化学信息学工具，显著加速了美容与个人护理产品的可持续性配方研发进程。
在学术贡献方面，申报人已在《ACS Nano》、《Chem》、《Journal of Materials Chemistry A》、《Computers & Chemical Engineering》等国际顶级期刊发表论文十余篇，并开发了多个开源计算工具库（如PyWoML、SurfMacModel），致力于推动开放科学与研究可重复性。其关于钙硅酸盐水合物及金纳米颗粒沉淀过程的机理建模研究，成功开发了首个考虑颗粒形态与各向异性的群体平衡模型，并建立了从实验光谱信号反演纳米颗粒演化动力学的创新计算框架。目前，作为兰卡斯特大学的研究负责人，申报人已成功获批包括汉高（Henkel）在内的企业合作及校内基金共计15万英镑，用于支持可持续配方设计的博士生培养。申报人的研究正系统地构建从分子发现到产品制造的全链条数字孪生技术，旨在通过“计算优先”的范式变革，推动化学工程与材料科学的智能化、绿色化发展。