程俊

男， 厦门大学化学化工学院， 教授/研究员/教授级高工或同等级别

学习/工作经历

学习经历：
1998.9–2002.7: 上海交通大学, 化学化工学院，应用化学专业,工学学士，导师: 章烨
2002.9–2005.3: 上海交通大学, 化学工程专业, 工学硕士，导师: 罗先金 （化学化工学院）
2005.5–2008.5: 英国贝尔法斯特女王大学, 化学化工学院，化学专业, 理学博士, 导师: Peijun Hu

工作经历：
2008.6-2010.6: 剑桥大学，化学系, 博士后, 合作导师: Michiel Sprik
2010.7-2013.7: 剑桥大学, Emmanuel学院, 初级研究员
2013.8-2015.12: 英国阿伯丁大学, 化学系, 讲师（永久教职)
2013.11-至今: 厦门大学, 化学化工学院, 教授

研究领域和兴趣

计算电化学；理论催化；机器学习；智能发现

主要业绩

近期重要进展：1）针对电化学体系动态特征和原位条件，发展了基于从头算分子动力学的计算电化学新方法；2）实现电化学电势条件下金属水界面的模拟，首次解析出界面双电层中水微观结构变化，并首次发现化学吸附水的负电容效应，发展了双电层电容理论；3）计算了动态表面反应自由能和熵，首次理论发现了动态团簇相变催化机制，并发展了电子/质子能级计算方法及催化理论。

迄今为止共发表论文120余篇，论文引用约5700多次，H-Index为45。近五年以(共同)通讯作者在Nature Mater., Nature Catal. (2), Nature Chem., Nature Commun. (5), Sci. Adv. (2), PRL (1), Chem(2), ACIE(3), JACS等重要期刊发表论文。应邀为Acc. Chem. Res.期刊、Springer和Wiley出版社等撰写综述和专章。主持基金委重大项目课题、中德合作项目等。

2019年获得中国电化学青年奖，2021年作为首位华⼈获得国际电化学会两年⼀次的重要奖项Alexander Kuznetsov Prize for Theoretical Electrochemistry。2021年获得福建省级高层次人才（B类），2022年获得厦门大学2022年度“萨本栋讲座教授奖教金”。现担任J. Chem. Phys.副主编、国际电化学出版委员会委员、《电化学》常务副主编 、AIP期刊Chem. Phys. Rev.顾问编委、IOP期刊J. Phys.Energy编委、ACSCatal.青年编委。

受邀做国际学术报告约40次，如Car-ParrinelloMD⼤会（3次邀请报告和1次session chair）、NanoGeSpringMeeting2021（主题报告）、国际电化学年会、美国化学年会等。多次组织国内外学术会议和论坛。作为中⽅会议主席组织了2021年基⾦委-英国⽂化协会资助的“能源应用中的电化学：实验与理论”中英交流论坛，中⽅与英⽅共58位学者过线上/线下相结合的⽅式参会交流；作为会议主席组织了2019机器学习-计算化学workshop，来自国内外50余所⾼等院校共100多名学员参加学习；作为会议秘书组织了中科院学部2018年“电化学科学与技术”、2020年“⾼端电⼦制造电⼦电镀”前沿论坛以及基⾦委“电化学能源”双清论坛。

代表成果

1. Yan Sun, Feng Wang, Zong-Rui Zheng, Bo-Ying Huang, Tian-Yi Ding, Ze-Hua Zhang, De-Hui Deng, Jia-Wei Yan*, Kelvin H. L. Zhang*, Jun Cheng*. Defect-Induced Dynamic Reconstruction Boosts Oxygen Evolution Activity of Perovskite Oxides. Journal of the American Chemical Society, 2026, 148(20), 20868-20876.
2. Feng Wang, Yu-Hang Tang, Ze-Bing Ma, Yu-Cheng Jin, Jun Cheng*. Domain oriented universal machine learning potential enables fast exploration of chemical space of battery electrolytes. Nature Communications, 2026, 17, 1226.
3. Jia-Xin Zhu, Jun Cheng*. Machine learning potential for electrochemical interfaces with hybrid representation of dielectric response. Physical Review Letters, 2025, 135, 018003.
4. Fanjie Xu, Wentao Guo, Feng Wang, Lin Yao, Hongshuai Wang, Fujie Tang*, Zhifeng Gao*, Linfeng Zhang, Weinan E, Zhong-Qun Tian, Jun Cheng*. Toward a unified benchmark and framework for deep learning-based prediction of nuclear magnetic resonance chemical shifts. Nature Computational Science, 2025, 5, 292-300.
5. Feng Wang, Zebing Ma, Jun Cheng*. Accelerating computation of acidity constants and redox potentials for aqueous organic redox flow batteries by machine learning potential-based molecular dynamics. Journal of the American Chemical Society, 2024, 146, 14566-14575.
6. Fu-Qiang Gong, Yun-Pei Liu, Ye Wang, Weinan E, Zhong-Qun Tian, Jun Cheng*. Machine learning molecular dynamics shows anomalous entropic effect on catalysis through surface pre-melting of nanoclusters. Angewandte Chemie International Edition, 2024, 63, e202405379.
7. J.-B. Le, Q.-Y. Fan, J.-Q. Li, Jun Cheng*. Molecular origin of negative component of Helmholtz capacitance at electrified Pt(111)/water interface. Science Advances, 2020, 6, eabb1219.
8. C.-Y. Li, J.-B. Le, Y.-H. Wang, S. Chen, Z.-L. Yang, J.-F. Li*, Jun Cheng*, Z.-Q. Tian. In situ probing electrified interfacial water structures at atomically flat surfaces. Nature Materials, 2019, 18, 697.
9. J.-J. Sun, Jun Cheng* Solid-to-liquid phase transitions of sub-nanometer clusters enhance chemical transformation Nature Commun., 2019, 10, 5400.
10. J. Le, M. Iannuzzi, A. Cuesta, Jun Cheng* Determining potentials of zero charge of metal vs standard hydrogen electrode from density functional theory based molecular dynamics Phys. Rev. Lett., 2017, 119, 016801.

*以上信息由高级会员个人更新和维护。