主要研究方向是计算有机化学，物理有机化学，酶催化反应机制，新材料设计以及人工智能化学。欢迎具备计算化学、物理化学、有机化学、生物化学、材料化学、人工智能、计算机技术等学科背景的青年学者加盟，共同推动计算化学领域的科学发展！

过渡金属催化反应机理研究：我们致力于探索过渡金属催化的有机反应的详细机理。通过量子化学计算和分子动力学模拟，深入解析反应过程中的关键步骤，包括底物活化、过渡态结构以及产物生成等核心环节。该研究旨在揭示过渡金属催化反应的微观机制，为其在多样化合成方法中的应用提供理论基础和优化策略。

机器学习：我们课题组聚焦于机器学习预测有机化学反应性，探索分子结构与反应性质的构效关系。我们采用先进的特征工程技术，从分子结构中提取关键信息，构建出能够有效表征有机分子反应性的描述符。同时，我们对多种机器学习算法进行比较和优化，以期发现最适合反应性预测的算法。通过不断迭代和验证，旨在开发出一种高效、准确的预测工具，以辅助化学家在合成设计中做出更加科学的决策。

       酶催化: 课题组致力于利用计算化学手段研究酶催化有机反应的分子机制，系统探索底物结合模式、酶促反应中的构象变化及反应路径的关键步骤，揭示酶催化效率和选择性的分子基础。在此基础上，结合量子化学与分子动力学，设计并优化新型仿酶催化剂与人工金属酶，构建具有高效催化性能和精准底物识别能力的非天然催化体系，为催化科学的创新发展提供理论支持与设计策略。