婉1220

水分解光催化剂╟机器学习与实验相遇 随着 21 世纪人口和工业化的增加，我们对能源的日益增长的需求及其相关的环境污染是我们面临的两个紧迫问题。为了规避能源危机并维持一个宜居的星球，太阳能被认为是一种有吸引力的解决方案，因为太阳提供了免费、可再生、丰富和可持续的能源。将太阳能转化为化学能的一种可行方法是通过光催化反应，利用阳光从水或二氧化碳中产生氢气或一氧化碳作为清洁的化学燃料，以及通过光降解污染物和灭活细菌来净化水。自1972年发现二氧化钛的光催化性能以来，已发现140多种无机光催化剂。然而，由于带隙大、氧化还原电位匹配差和电子-空穴复合快，大多数量子效率低。因此，需要更有效的光催化剂来使太阳能燃料的生产和光降解在商业上可行。 传统上，开发新的光催化剂需要大量时间，包括材料设计、实验参数优化和性能评估。在材料信息学和人工智能的帮助下，可以从文献和研究数据库中提取有用的模式和知识，加速新光催化剂的发现和优化，让实验资源集中在最有前途的材料上。该博士项目将专注于通过机器学习和实验方法开发和优化新的光催化材料。为了开展这个项目，学生将学习一系列机器学习建模技能，以及基于实验室的合成和表征，包括电子显微镜、X 射线衍射分析和气体吸附研究。学生还将与教授一起工作。domen（日本）测试光催化剂的水分解量子效率。 rachel caruso组具有多元化的学术背景,  与众多国际合作者开展多项高质量的科研工作,  截止2021年12月，prof. Rachel Caruso的  谷歌学术总引用次数达  20342，h-index达到63. 根据你博士期间的科研成果,你将会得到机器学习专家david winkler教授指导,或者和光催化专家Kazunari Domen教授合作 联系方式： 请有意者将以下申请材料以pdf格式发送到 dehong.chen@rmit.edu.au 或 haoxin.mai@rmit.edu.au： （1）个人陈述；（2）cv；（3）成绩单