王琦，中国工程物理研究院材料研究所副研究员，博士生导师。2011年本科毕业于山东大学材料学院，2016年博士毕业于清华大学材料学院，2017-2020年先后在美国劳伦斯伯克利国家实验室（Lawrence Berkeley National Laboratory）、美国约翰霍普金斯大学（Johns Hopkins University）从事博士后研究。以第一作者(含共同)和通讯作者在Nature等国际知名期刊发表论文20余篇，包括Nature（1篇）、Nature Communications（3篇）、Science Advances（2篇）等，引用数超过2200次。入选第四届“军事科技领域青年人才托举工程”，先后获评中国材料大会非晶与高熵合金“杰出青年科学家奖”、江油市“十大杰出青年”、中物院“十大青年锐杰”等，研究成果获评中国工程物理研究院2022年第十八届学术年会“年度科技创新Top10”（排名第1）。主持国家自然科学基金面上项目及青年基金、四川省杰青项目、中物院院长基金自强项目和中物院材料所特聘基金等，并作为子课题负责人参与国家自然科学基金重大项目和国家重点研发计划等。

长期致力于借助机器学习/深度学习、计算模拟和实验研究的创新结合，挖掘材料成分-结构-性能的底层关联，实现材料性能的快速预测、逆向设计并加速发现新材料。本人带领的课题组(Mat+AI Lab)研究对象包括非晶合金、高熵合金、颗粒物质和锕系材料等多种重要且有趣的材料体系，尤其关注图神经网络、卷积神经网络、生成模型、自然语言处理和大模型等在材料领域的创新应用。 主要研究方向：（1）非晶/高熵等高性能合金的机器学习与计算模拟；（2）前沿深度学习算法开发，及其在材料设计及性能预测中的应用；（3）材料表面/界面腐蚀及力学性能的多尺度计算与机器学习。

【近五年部分代表性工作】（1） Xuefei Chen#, Qi Wang# (co-first author), Zhiying Cheng#, Mingliu Zhu, Hao Zhou, Ping Jiang, Lingling Zhou, Qiqi Xue, Fuping Yuan, Jing Zhu*, Xiaolei Wu* and En Ma*. Direct observation of chemical short-range order in a medium-entropy alloy. 《Nature》, 592: 712-716 (2021). https://doi.org/10.1038/s41586-021-03428-z，入选ESI高引； （2） Qi Wang* and Longfei Zhang. Inverse design of glass structure using deep graph neural networks. 《Nature Communications》, 12: 5359 (2021). https://doi.org/10.1038/s41467-021-25490-x，入选编辑推荐文章(Editors' Highlights)； （3） Qi Wang*, Long-Fei Zhang, Zhen-Ya Zhou, Hai-Bin Yu*. Predicting the pathways of string-like motions in metallic glasses via path-featurizing graph neural networks. 《Science Advances》, 10: eadk2799 (2024). https://doi.org/10.1126/sciadv.adk2799； （4） Qi Wang* and Anubhav Jain*. A transferable machine-learning framework linking interstice distribution and plastic heterogeneity in metallic glasses. 《Nature Communications》, 10: 5537 (2019). https://doi.org/10.1038/s41467-019-13511-9； （5） Qi Wang*, Jun Ding*, Longfei Zhang, Evgeny Podryabinkin, Alexander Shapeev and Evan Ma. Predicting the propensity for thermally activated β events in metallic glasses via interpretable machine learning. 《NPJ Computational Materials》, 6: 194 (2020). https://doi.org/10.1038/s41524-020-00467-4； （6） Zekun Jing#, Yakun Guo#, Qi Wang# (co-first author), Xinrong Yan, Guozong Yue, Zhendong Li, Ruixuan Qin, Changyin Zhong, Hanwen Liu, Mingzhen Li, Dingguo Xu*, Yunxi Yao*, Yonggang Yao*, and Maobing Shuai*. Ambient hydrogenation of solid aromatics enabled by a high entropy alloy nanocatalyst. 《Nature Communications》, 15: 5806 (2024). https://doi.org/10.1038/s41467-024-50009-5； （7） Yunjie Mei#, Jinli Chen#, Qi Wang# (co-first author), YaqingGuo, Hanwen Liu, Wenhui Shi, Cheng Lin, Yifei Yuan, Yuhua Wang*, Baoyu Xia*, Yonggang Yao*. MoZn-Based high entropy alloy catalysts enabled dual-activation and stabilization in alkaline oxygen evolution. 《Science Advances》, 10: eadq6758 (2024). https://doi.org/10.1126/sciadv.adq6758； （8） Lingling Zhou#, Qi Wang# (co-first author), Jing Wang, Xuefei Chen, Ping Jian, Fuping Yuan, Xiaolei Wu*, Zhiying Cheng* and En Ma*. Atomic-scale evidence of chemical short-range order in CrCoNi medium-entropy alloy. 《Acta Materialia》, 224: 117490 (2022). https://doi.org/10.1016/j.actamat.2021.117490

长期招收博士生、硕士生及博士后，待遇优厚，欢迎邮件联系。人工智能与材料科学的交叉领域(AI for Material Science)正在蓬勃发展，属于“世界科技前沿的热点、难点和新兴领域”，其潜力与机遇巨大。本课题组由90后PI和一伙年轻的研究生和博士生组成，科研环境积极向上，经费支持充足，研究条件完备。同时，我们与华中科技大学、西安交通大学、上海交通大学、力学研究所以及理论物理研究所等多个知名课题组建立了深厚的合作关系。欢迎青年学子加入我们，一起探索前沿、发现未知、突破自我！