中试通-专业的中试技术服务平台

李军教授博士重庆市研究领域：新材料,石油炼制,石油化工,精细化工研究方向： 1. 燃烧/天体/大气/空天气动等相关的化学反应的高精度理论研究：关键物种预测和证认、反应机理模型、竞争机制、传能机制、高精度热动力学、新颖动力学机制等，服务于燃烧效率提高、星际分子探测、大气污染防治等。 2. 典型基元反应的分子动力学研究：精准调控化学反应这一终极目标的实现需要从原子、分子等微观水平上认识和描述复杂化学反应动力学的根本本质。发展相关方法，高精度理论计算提供微观细节，重现/解释/预测实验，揭示机制，总结规律。 3. 人工智能和大数据在化学中的应用和发展：在人工智能和大数据时代，计算与理论、实验同等重要，科学演化为数据驱动的科学。数据质量、数据采样、数据表示、数据存储、数据规范、数据可视化等变得尤为重要。发展方法，构建能源、大气、燃烧、星际等高精度基础化学数据库。所在单位：重庆大学

基本信息

所在单位：

重庆大学

机构细分：

化学化工学院

单位类型：

高等院校

职务：

教授

职称：

教授

最高学历：

博士

教育经历：

2002.09 – 2006.06，四川大学，学士
2006.09 – 2011.06，四川大学，博士（硕博连读）

工作经历：

2009.09 – 2010.02，中国台湾交通大学，学习
2011.07 – 2014.09，美国新墨西哥大学，博后
2014.09 – 2020.09，重庆大学，研究员
2018.07 – 2020.07，德国哥廷根大学，高级洪堡学者
2020.09 – 至今，重庆大学，教授

专家介绍：

李军，男，博士，教授，博士生导师。国家级青年人才，高级洪堡学者，重庆市英才计划-青年拔尖人才。中国化学会化学动力学专业委员会委员。《中国化学快报》青年编委会委员。获得重庆市化学化工学会基础成果一等奖（排名第一）。2002-2011年于四川大学获得学士和博士学位；2009-2010年在中国台湾交通大学学习；2011-2014年在美国新墨西哥大学化学系做博士后研究。2014年以学校百人计划加入重庆大学化学化工学院独立开展研究工作。2018年-2020年获得洪堡基金会资助在德国哥廷根大学访问。

针对燃烧/星际/大气/空天气动等中的相关化学问题，发展和应用人工智能方法，围绕化学反应动力学开展了系列高精度理论研究工作，以通讯（含共同）或第一作者发表论文100余篇，包括Nat. Chem.，J. Am. Chem. Soc.，PNAS，CCS Chem，Chem. Sci，J. Phys. Chem. Lett.，Int. Rev. Phys. Chem.等多篇。多项研究工作为ESI高被引论文、亮点、编辑推荐、封面、封底等。

科研能力

研究领域：

新材料,石油炼制,石油化工,精细化工

研究方向：

1. 燃烧/天体/大气/空天气动等相关的化学反应的高精度理论研究：关键物种预测和证认、反应机理模型、竞争机制、传能机制、高精度热动力学、新颖动力学机制等，服务于燃烧效率提高、星际分子探测、大气污染防治等。
2. 典型基元反应的分子动力学研究：精准调控化学反应这一终极目标的实现需要从原子、分子等微观水平上认识和描述复杂化学反应动力学的根本本质。发展相关方法，高精度理论计算提供微观细节，重现/解释/预测实验，揭示机制，总结规律。
3. 人工智能和大数据在化学中的应用和发展：在人工智能和大数据时代，计算与理论、实验同等重要，科学演化为数据驱动的科学。数据质量、数据采样、数据表示、数据存储、数据规范、数据可视化等变得尤为重要。发展方法，构建能源、大气、燃烧、星际等高精度基础化学数据库。

论文著作：

1. “Feshbach resonances in the exit channel of the F + CH3OH → HF + CH3O reaction via transition state spectroscopy”, Marissa L. Weichman, Jessalyn A. DeVine, Mark C. Babin, Jun Li*, Lifen Guo, Jianyi Ma, Hua Guo, and Daniel M. Neumark*, Nature Chemistry, 2017, 9, 950.

2. “Mode Specificity in the OH + HO2 → H2O + O2 Reaction: Enhancement of Reactivity by Exciting a Spectator Mode”, Yang Liu, Hongwei Song*, Daiqian Xie*, Jun Li*, and Hua Guo*, Journal of the American Chemical Society, 2020, 142, 3331.

3. “Stereodynamical Control of Product Branching in Multi-Channel Barrierless Hydrogen Abstraction of CH3OH by F”, Dandan Lu, Jun Li*, and Hua Guo*, Chemical Science, 2019, 10, 7994.

4. “Permutational-Invariant-Polynomial Neural-Network-based Δ-Machine Learning Approach: A Case for the HO2 Self-reaction and its Dynamics Study”, Yang Liu, and Jun Li*, Journal of Physical Chemistry Letters, 2022, 13, 4729.

5. “Comprehensive Dynamical Investigations on the Cl + CH3OH → HCl + CH3O/CH2OH Reaction: Validation of Experiment and Dynamics Insights”, Dandan Lu, Jun Li*, and Hua Guo*, CCS Chemistry, 2020, 2, 882.

6. “Advances and New Challenges to Bimolecular Reaction Dynamics Theory”, Jun Li*, Bin Zhao,* Daiqian Xie,* and Hua Guo*, Journal of Physical Chemistry Letters, 2020, 11, 8844.

7. “Capture of the Sulfur Monoxide–Hydroxyl Radical Complex (•OH···OS)”, Changyun Chen#, Bo Lu#, Xiaofang Zhao, Weiyu Qian, Jie Liu, Tarek Trabelsi, Joseph S. Francisco*, Jie Qin, Jun Li*, Lina Wang, and Xiaoqing Zeng*, Journal of the American Chemical Society, 2020, 142, 2175.

8. “High-Fidelity Potential Energy Surfaces for Gas Phase and Gas-Surface Scattering Processes from Machine Learning”, Bin Jiang*, Jun Li*, Hua Guo*, Journal of Physical Chemistry Letters, 2020, 11, 5120.

9. “Many-Body Permutationally Invariant Polynomial Neural Network Potential Energy Surface for N4”, Jun Li#*, Zoltan Varga#, Donald G. Truhlar*, Hua Guo*, Journal of Chemical Theory and Computation, 2020, 16, 4822.

基本信息

科研能力

推荐专家