将温度与无序引入数字材料发现工作流程

【项目简介】 本项目旨在弥合计算预测与实际合成之间的差距。您将加入一个协作团队，在材料发现的前沿工作，通过将机器学习、热力学和无序建模整合到传统计算化学方法中，对材料在实际合成温度下的稳定性做出更真实的预测。

新材料对技术进步至关重要，本项目解决了该领域的一个主要挑战：计算预测与实际实验合成之间的差距。您将通过整合机器学习和热力学建模来开发下一代方法，以更高的准确性预测可合成的结构。目前的晶体结构预测工作流程在选择目标化合物方面很有用，但主要依赖于能量计算而非自由能计算。通过捕捉材料的有限温度行为并在稳定性评估中包含无序材料，可以实现更好的自由能描述。本项目将结合传统计算化学工具与机器学习模型，以提高预测的准确性。这建立在我们数字靶向发现（Science 383 739 2024）和晶体材料无序综合描述（J. Appl. Cryst. 58 659 2025）方面的成就之上。

学生将加入一个由计算和实验研究人员组成的综合团队，提供紧密合作和基于合成结果的反馈循环，从而实现方法论的改进，包括可解释人工智能的使用。学生将培养团队合作、科学交流方面的技能，以及在编程、机器学习、固态和计算化学技术方面的专业知识。

【导师团队】 导师团队连接数字和实验材料化学，在晶体结构预测和高通量筛选技术开发方面拥有专业知识，以及在数字驱动的无机材料发现、合成和表征方面拥有专业知识。该团队已展示了用于材料发现的集成机器学习/计算化学路径，并定义了对晶体材料无序的独特视角，这通过提供以前无法获得的计算晶体固体熵的途径，构成了本项目的基础。

Dr George Darling在热力学、晶体结构预测和机器学习方面拥有专业知识，确保工作流程的稳健开发和改进，并拥有将传统模拟工具与现代人工智能方法相结合的良好记录。

Prof Matthew Rosseinsky在无序、材料发现集成工作流程的设计和应用以及理论与实验之间的反馈循环方面带来了互补的专业知识。这种设置使得计算模型和材料设计假设都能得到迭代改进。学生将在更广泛的专家团队中工作，该团队将直接通过实验测试预测，并将新方法整合到可解释的人工智能驱动发现工作流程中。

【项目时间与地点】 本项目预计于2026年10月开始，由利物浦大学Materials Innovation Factory的EPSRC数字与自动化材料化学博士培训中心提供，这是英国物理科学领域最大的产学研合作基地。成功的候选人将受益于机器人、数字、化学和物理思维方面的培训，并将其应用于材料设计、发现和加工领域的特定研究。博士培训已与35个工业合作伙伴共同开发，旨在培养灵活、可就业、具有创业精神并能够跨领域交流的研究人员。

【申请要求】 我们强烈建议候选人在正式在线申请之前与导师团队联系，以更好地了解项目。关于项目的任何非正式咨询可直接发送至Darling@liverpool.ac.uk。请仔细阅读我们关于“如何申请”的CDT指南，因为它可能与标准申请流程不同。

请在线注册并申请。提交申请后，您将收到一封确认邮件。我们将与您联系，提供有关后续步骤的详细信息。

申请时请确保包含项目标题和参考编号CCPR170，并将学科领域标注为Chemistry（化学）。我们将按滚动方式进行面试，并按照先到先得的原则填补职位。一旦找到合适的候选人，我们将关闭申请（这可能在截止日期之前），因此建议尽早申请。

【资助信息】 EPSRC DAMC CDT奖学金将涵盖全额本土学费和为期4年的生活补助金，起始金额为UKRI最低标准（2025-26学年学费为每年5,006英镑，生活补助金为每年20,780英镑；2026-27学年费率待定）。奖学金还附带研究培训支持补助金，用于资助耗材、会议出席等。

奖学金面向所有希望申请的准学生开放，包括本土和国际学生。虽然EPSRC资助不涵盖国际学费，但将提供有限数量的奖学金以弥补学费差额，支持优秀的国际学生。

如果您有残疾，除了奖学金外，您可能还有资格获得残疾学生津贴，以帮助支付博士生因个人情况可能需要的任何额外支持费用。

【其他信息】 我们希望所有教职员工和学生都能感受到利物浦是一个包容和热情的环境，积极庆祝和鼓励多样性。我们致力于与学生合作，做出所有合理的项目调整，包括支持那些有照顾责任、残疾或其他个人情况的人员。

相关文献：Discovery of Crystalline Inorganic Solids in the Digital Age (https://pubs.acs.org/doi/10.1021/acs.accounts.4c00694)