李伟

男， 南京大学化学化工学院， 教授/研究员/教授级高工或同等级别

学习/工作经历

1998-2002年：南京大学强化部（现匡亚明学院），化学专业，获理学学士学位
2002-2007年：南京大学化学化工学院，物理化学专业，获理学博士学位
2007-2010年：美国密歇根州立大学，物理化学专业，博士后
2011-2020年：南京大学化学化工学院，物理化学专业，副教授、硕士生导师
2021年-至今：南京大学化学化工学院，物理化学专业，教授、博士生导师

研究领域和兴趣

大体系的量子化学方法及应用；机器学习力场的发展和模拟；量子化学软件的开发

主要业绩

主要从事大体系量子化学方法的发展与软件开发、基于量子化学的机器学习力场发展等。主要包括：(1) 发展了基于能量的分片（GEBF）量子化学方法，用于大分子和凝聚相体系的能量、结构和光谱等性质的计算；(2)发展了基于局域轨道的“分子中的簇”（CIM）方法，用于更广泛体系（包括无机材料等）的电子相关计算；(3) 在DFT精度下发展了基于GEBF的机器学习力场，用于大体系的结构模拟和光谱预测；(4)开发了低标度量子化学软件LSQC和低标度多尺度模拟软件FAAR等。已在多种国际重要期刊上发表论文近70篇，撰写国际专著专章4篇。近五年在国内外重要学术会议上作邀请报告十余次。已主持国家自然科学基金青年基金1项、面上项目3项、教育部博士点基金1项，参与国家自然科学基金重点项目2项等。2011年获"第一届中国化学会唐敖庆理论化学青年奖"；2013年获"中国银行奖教金"；2019年获得“教育部自然科学一等奖”（第二完成人）。

代表成果

1. Li, W.; Dong, H.; Ma, J.; Li, S.* Structures and Spectroscopic Properties of Large Molecules and Condensed-Phase Systems Predicted by Generalized Energy-Based Fragmentation Approach. Acc. Chem. Res. 2021, 54 (1), 169–181, DOI: 10.1021/acs.accounts.0c00580;
2. Li, W.*; Ma, H.*; Li, S.; Ma, J.* Computational and Data Driven Molecular Material Design Assisted by Low Scaling Quantum Mechanics Calculations and Machine Learning. Chem. Sci. 2021, 12 (45), 14987–15006, DOI: 10.1039/D1SC02574K;
3. Du, J.; Liao, K.; Ma, J.; Li, W.*; Li, S.* Generalized Energy-Based Fragmentation Approach for the Electronic Emission Spectra of Large Systems. J. Chem. Theory Comput. 2022, DOI: 10.1021/acs.jctc.2c00911;
4. Du, J.; Ma, Y.; Ma, J.; Li, S.; Li, W.* Transition Orbital Projection Approach for Excited State Tracking. J. Chem. Phys. 2022, 156 (21), 214104, DOI: 10.1063/5.0081207;
5. Liao, K.; Dong, S.; Cheng, Z.; Li, W.*; Li, S.* Combined Fragment-Based Machine Learning Force Field with Classical Force Field and Its Application in the NMR Calculations of Macromolecules in Solutions. Phys. Chem. Chem. Phys. 2022, 24 (31), 18559–18567, DOI: 10.1039/D2CP02192G;
6. Liao, K.; Wang, S.; Li, W.*; Li, S.* Generalized Energy-Based Fragmentation Approach for Calculations of Solvation Energies of Large Systems. Phys. Chem. Chem. Phys. 2021, 23 (35), 19394–19401, DOI: 10.1039/D1CP02814F;
7. Cheng, Z.; Du, J.; Zhang, L.; Ma, J.*; Li, W.*; Li, S.* Building Quantum Mechanics Quality Force Fields of Proteins with the Generalized Energy-Based Fragmentation Approach and Machine Learning. Phys. Chem. Chem. Phys. 2022, 24 (3), 1326–1337, DOI: 10.1039/D1CP03934B;
8. Cheng, Z.; Zhao, D.; Ma, J.; Li, W.*; Li, S.* An On-the-Fly Approach to Construct Generalized Energy-Based Fragmentation Machine Learning Force Fields of Complex Systems. J. Phys. Chem. A 2020, 124 (24), 5007–5014, DOI: 10.1021/acs.jpca.0c04526;
9. Fu, F.; Liao, K.; Liu, Z.; Hong, D.; Yang, H.; Tian, Y.; Wei, W.; Liu, C.; Li, S.; Ma, J.*; Li, W.* Controlled Fluorescence Enhancement of DNA-Binding Dye Through Chain Length Match between Oligoguanine and TOTO. J. Phys. Chem. B 2021, 125 (2), 518–527, DOI: 10.1021/acs.jpcb.0c09611;
10. Wang, Y.; Ni, Z.; Li, W.*; Li, S.* Cluster-in-Molecule Local Correlation Approach for Periodic Systems. J. Chem. Theory Comput. 2019, 15 (5), 2933–2943, DOI: 10.1021/acs.jctc.8b01200.

*以上信息由高级会员个人更新和维护。