谢闻博（XIE Wenbo），香港城市大学材料科学与工程系助理教授。博士毕业于英国贝尔法斯特女王大学（Queen’s University Belfast），师从爱尔兰皇家科学院院士胡培君教授，主要从事复杂多相催化体系的理论模拟。博士毕业后加入上海科技大学，担任助理研究员，于 2026 年 9 月加入香港城市大学。
其研究围绕人工智能与原子尺度模拟展开，同时关注计算方法开发与材料、催化中的科学问题，包括机器学习势与材料基础模型、训练数据生成，以及真实反应条件下催化剂的结构演化与反应机制。
课题组主页：https://xielab.ai
博士生（PhD）
·入学时间：2027 年 9 月起
·HKPFS：约 HKD 28,000/月
·PGS：约 HKD 19,000/月
课题组的研究位于人工智能、材料科学与理论化学的交叉领域，方法开发与科学应用并重：发展更准确、高效的机器学习势与原子模拟方法，研究真实条件下材料的动态演化与催化反应机制，并探索新材料与新催化剂。
1. 机器学习势函数与材料基础模型
从训练数据与模型架构两个层面，发展准确、高效、通用的机器学习势与材料基础模型。通过数据生成、采样与筛选，以及新模型架构的开发，更好地描述复杂原子环境中的相互作用，将高精度原子模拟拓展至更大的时空尺度，为研究复杂材料与化学反应提供新的工具。
2. 真实条件下的材料与催化模拟
研究催化剂在反应过程中如何重构、活性位点如何形成，以及反应环境如何影响活性与选择性。结合机器学习势、自由能采样与微观动力学，理解静态理想模型难以揭示的动态机制。
3. 人工智能驱动的材料发现
结合 AI、原子模拟与物理化学认知，探索材料组成、结构与性能之间的关系，寻找具有目标功能的新材料与催化剂，并与实验研究结合，推动理论预测的验证与应用。
在方法开发方面，我们发展了训练数据生成方法 REICO，以及以 TACE 为核心的机器学习势模型架构，为复杂材料与反应体系的模拟提供基础。
在科学应用方面，我们关注多相催化中的活性位点、表面重构与反应机制，研究催化剂的结构、吸附物覆盖与反应条件如何共同决定其性能，涉及选择性加氢、甲醇合成、甲烷氧化等体系。
相关理论研究发表于 Nature Catalysis、Angewandte Chemie、ACS Catalysis、JACS Au、ICML 等期刊与会议。具体工作可浏览课题组主页。
课题组拥有充足的 CPU/GPU 计算资源，为成员统一提供 GPT Pro，并报销科必要的Token费用。
支持成员参加学术会议及开展学术访问，并与国内外相关研究团队保持交流合作。
课题组不设打卡要求，每位成员都有自己的研究课题。支持成员根据自身兴趣提出问题、自主探索，逐步形成独立的研究方向。
欢迎材料、化学、物理、计算机及其他相关背景的申请者。无论你更喜欢开发模型与算法，还是利用计算理解材料与催化中的科学问题，都欢迎联系。
请将申请材料发送至：
wenboxie@cityu.edu.hk
邮件标题格式：
[PhD/RA/Postdoc + Starting Year] 姓名–学校–方向
请附以下材料：
-
个人简历（CV）
-
成绩单
-
代表性成果（如有）
-
简要研究兴趣
