研究领域为智能化学，破解复杂化学体系的维数灾难、数据离散稀缺、优化困难等难题，以描述符为抓手挖掘物理化学规律，调控材料性能，揭示其中的构效关系和设计原则。以通讯/第一作者在Nat. Catal.、JACS、Angew、PNAS等杂志发表论文28篇。主要代表性成果包括：（1）提出了破解原子坐标维数灾难的几何结构描述符，解决了金属团簇催化剂的结构复杂性难题，揭示了金属-N-C单原子催化剂的构效关系。（2）提出了助力催化剂高效筛选与优化的电子结构描述符，发现偶极耦合强度与电子转移效率之间的单调相关性，实现了人工分子光催化系统的高通量筛选。（3）提出了适应化学小数据和结构生成的谱学描述符，建立可解释的智能模型，为催化反应中的微观化学性质与电场效应提供了数字化理解，并利用谱学描述符自带物理约束的特点，初步实现催化结构的按需生成。
[1] Identifying a highly efficient molecular photocatalytic CO2 reduction system via descriptor-based high-throughput screening, Nat. Catal., 2025, 8: 126-136
[2] Machine Learning of Spectra-Property Relationship for Imperfect and Small Chemistry Data, Proc. Natl. Acad. Sci. USA, 2023, 120(20): e2220789120
[3] Quantitative Insight into the Electric Field Effect on CO2 Electrocatalysis via Machine Learning Spectroscopy, J. Am. Chem. Soc., 2024, 146(50): 34551-34559
[4] Catalytic Structure Design by AI Generating with Spectroscopic Descriptors, J. Am. Chem. Soc., 2023, 145(49): 26817-26823
[5] Interlayer Charge Transfer Regulates Single-Atom Catalytic Activity on Electride/Graphene 2D Heterojunctions, J. Am. Chem. Soc., 2023, 145: 4774-4783