陈宇翔

华东理工大学化学工艺博士研究生

更新：2023 年 9 月 14 日，我正在设计一个通用模型， 用于预测任何环境条件下溶剂吸收有机硫化物的理论值。

我目前在华东理工大学读硕博连读课程的最后一年，在石油加工系与孙辉教授一起研究溶剂分子智能化设计。我目前的研究重点是开发新的理论和计算框架来模拟分子特性，并应用于脱硫、净化和溶剂开发。

在博士之前，我自学了软件工程，并深入研究了数学建模和机器学习领域。自2020年以来，我一直在为曹发海教授的研究小组做出计算化学、数据分析和数学建模的贡献。

除了研究之外，我还积极参加学院和校园内的志愿者工作。在2022年新冠疫情期间，我与华东理工大学化学工程学院研究生会的成员一起，为我的同学们提供帮助。

Email: chenyuxiang@mail.ecust.edu.cn

简历  /  谷歌学术  /  Github /  知乎 /  微信

我对分子设计、机器学习、优化和数学建模感兴趣。 我的大部分研究是关于研究化学结构和其分子属性之间的关系。 我的代表性的论文被强调出来。

我们通过计算获得了决定步的反应速率常数，并构建了一个机器学习模型来预测羰基硫与溶剂的反应动力学。 我们定义了两个自定义的描述符，代表了胺基的立体阻碍，改善了动力学预测的结果。 我们从大数据角度逐步深入地解释了化学结构如何影响反应速率。

我们提供了一种合成 AgY @ Cu-BTC 混合复合材料的方法，增强了硫化物捕获能力和防潮能力。

我们揭示了溶剂的结构特征与甲硫醇之间的关系， 并提出了设计分子的规则， 生成了一种具有增强溶解亲和力的潜在溶剂: 1-(2-(diethylamino)ethoxy)butan-2-amine。

我们通过实验和量子化学计算，揭示了支撑物的组成和结构对催化剂性能的影响。

我们提出了一种智能分子设计方法， 通过 VAE 将离散分子编码为多维连续变量， 基于贝叶斯优化来定义下一个具有潜在高反应速率的分子。

我们通过整合分子相似性搜索和主动学习方法构建了一个计算框架。和主动学习的方法。即分子主动选择机器学习。 我们最终开发的分子已经达到工业中试阶段。

我们合成了一系列 Cu-BTC 吸附剂来捕获有机硫化合物。