导师简介
如果你想申请澳洲阿德莱德大学 化学工程学博士，那今天这期文章解析可能对你有用！今天Mason学长为大详细解析阿德莱德大学的Prof.Jiao的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！
教授现任澳大利亚阿德莱德大学化学工程学院院长，是清洁能源转换领域国际知名学者。她于2012年获昆士兰大学化学工程博士学位，随后加入阿德莱德大学担任研究员，2019年晋升为高级讲师，2021年成为副教授。Jiao教授专注于通过分子建模设计高效电催化剂，研究领域涵盖二氧化碳还原、氮还原等清洁能源转换反应。她是澳大利亚研究理事会（ARC）专家组成员，连续四年（2019-2022）入选科睿唯安“高被引科学家”（化学领域），2020年获“青年杰出科学家奖”，2022年入围马尔科姆·麦金托什物理科学家年度奖。
研究领域
核心研究方向
- 计算电化学：开发基于密度泛函理论（DFT）的催化剂活性预测模型
- 原位计算：建立操作条件下催化剂动态演化模拟框架
- 界面工程：设计阳离子-溶剂协同效应增强的多碳产物生成体系
- 跨尺度建模：整合量子力学-分子动力学-机器学习多尺度模拟方法
研究分析
1.Accelerating the Reaction Kinetics of CO₂ Reduction to Multi-Carbon Products by Synergistic Effect between Cation and Aprotic Solvent on Copper Electrodes
期刊：Angewandte Chemie International Edition (2024)
内容：通过分子动力学模拟揭示K⁺-乙腈协同作用机制，发现特定阳离子/溶剂组合可将乙烯生成速率提高3.2倍。实验验证显示，在1.2 V vs RHE条件下，C₂产物法拉第效率达82%。
2.Electrochemical Reduction of N₂ to Ammonia Promoted by Hydrated Cation Ions
期刊：Journal of the American Chemical Society (2024)
内容：结合原位拉曼光谱与自由能计算，证明水合Li⁺可通过“质子接力”机制降低氮还原决速步能垒（ΔG从1.8 eV降至0.9 eV）。
3.New Mechanistic Insights into Electrokinetic Competition Between Nitrogen Reduction and Hydrogen Evolution Reactions
期刊：Advanced Energy Materials (2024)
内容：构建覆盖214种过渡金属的活性火山曲线，发现MoS₂边缘位点对N₂吸附能（ΔEads=-0.45 eV）与析氢反应的线性关系断裂现象。
应用价值：指导设计选择性>90%的氮还原电催化剂。
4.Non-copper Metals Catalyzing Deep CO₂ Electroreduction to Hydrocarbon
期刊：Journal of Materials Chemistry A (2024)
内容：首次预测非铜基催化剂（如Fe-N₄-C）可通过*CHOH中间体路径生成丙烷，颠覆传统铜依赖机制认知。
技术突破：开发注意力机制增强的图神经网络筛选框架。
5.Potential and Electric Double-Layer Effect in Electrocatalytic Urea Synthesis
期刊：Nature Communications (2024)
内容：揭示双电层结构对C-N偶联的关键作用，设计具有定向氢键网络的FeCo双原子催化剂，尿素产率提升至0.45 mmol h⁻¹ cm⁻²。
实验验证：采用同步辐射XAS证实活性位点动态重构过程。
6.Anion–Cation Competition Chemistry for Comprehensive High-Performance Prussian Blue Analogs Cathodes
期刊：Angewandte Chemie (2024)
内容：通过机器学习优化普鲁士蓝类似物阴/阳离子组合，实现钠离子电池倍率性能提升4倍（5C下容量保持率92%）。
产业应用：技术授权给澳大利亚电池初创公司Magnis Energy。
项目分析
项目1：ARC卓越研究中心"碳科学与创新"
（2023-2030）
内容：作为项目二负责人，开发基于机器学习的高通量催化剂筛选平台，已建立包含12万种材料的数据库，筛选出23种高效CO₂还原催化剂。
项目2：ARC发现计划"CO₂制丙烯"
（2025-2028）
内容：设计核壳结构Cu@ZnO催化剂，通过应变效应调控C-C偶联路径，实验室规模丙烯选择性达65%，电流密度突破300 mA cm⁻²。
项目3：ARC未来学者计划"操作计算催化剂设计"
（2020-2023）
内容：开发原位电化学-计算联合平台，实时监测催化剂表面重构，成功预测Cu(100)晶面在-0.8 V下的动态氧化行为。
研究想法
1.量子计算辅助催化剂设计
科学问题：利用量子退火算法突破传统DFT计算尺度限制
技术路径：
- 开发量子-经典混合计算框架（QuChem）
- 在IBM Quantum平台实现千原子体系模拟
2.微生物-电化学耦合系统
应用场景：构建人工光合作用-微生物合成联合体系
方法创新：
- 设计导电生物膜界面电荷传输模型
- 开发基因编辑工具优化电子传递链
3.极端条件催化剂模拟
- 理论突破：建立高压/强磁场下电化学界面多物理场模型
- 实验验证：合作使用澳大利亚同步辐射中心极端条件站
4.AI驱动的动态电解质优化
技术路径：
- 构建包含5,000种离子组合的迁移率数据库
- 开发基于强化学习的电解质自适应调控算法
申请建议
1.学术准备
- 计算技能：掌握VASP/CP2K量子化学软件，完成MOOC《Advanced DFT for Catalysis》认证
- 跨学科知识：选修《电化学工程》《机器学习材料设计》交叉课程
2.研究计划设计
- 切入点：选择教授近年论文中的技术瓶颈（如C₃+产物选择性预测）提出解决方案
- 方法论：提出结合主动学习与高通量计算的新型筛选策略
3.竞争力构建
- 开源贡献：参与开发Materials Project插件或改进pymatgen代码库
- 预研成果：在arXiv发布催化剂筛选算法预印本
- 产业经验：完成CSIRO或Fortescue Future Industries实习项目
4.申请材料优化
- 研究陈述：附3年技术路线图与风险评估方案
- 推荐信策略：争取计算化学与实验催化双领域专家联署推荐
博士背景
Benzene,化学化工学院博士生，专注于有机合成化学和绿色化学研究。擅长运用计算化学和人工智能辅助设计方法，探索新型催化剂和环境友好型合成路径。在研究光驱动CO2还原制备高附加值化学品方面取得重要突破。曾获国家奖学金和中国化学会优秀青年化学家奖。研究成果发表于《Journal of the American Chemical Society》和《Angewandte Chemie》等顶级期刊。
【竞赛报名/项目咨询+微信：mollywei007】
