陈翔，清华大学副研究员。2016年及2021年分别于清华大学化学工程系获工学学士及博士学位，2021–2023年在清华大学从事水木学者博士后研究，2023–2024年为清华大学助理研究员，2024年至今为清华大学副研究员。主要从事能源化学基础理论研究，提出了锂键化学、离子–溶剂结构、亲锂性等概念，注重多尺度模拟计算、实验与人工智能的结合，形成了一系列高水平研究成果。以（共同）第一作者和共同通讯作者身份在Chem. Rev., Acc. Chem. Res., Sci. Adv., Chem, Angew. Chem., J. Am. Chem. Soc., J. Energy Chem., Fundam. Res.等期刊发表SCI论文50余篇，H因子75，被引22000余次；入选2023《麻省理工科技评论》TR35亚太区、首届AI100青年先锋和2020–2024科睿唯安全球高被引学者；承担国家自然科学基金优秀青年基金、重大研究计划培育、北京市自然科学基金联合基金、中国科协青年托举工程、科技部重点研发专项子课题等项目；担任Nature, Nat. Catal., Joule, Angew. Chem., Adv. Mater.等期刊独立审稿人，J. Energy Chem., Chinese. Chem. Lett., Green Carbon青年编委和中国颗粒学会青年理事。
Uni-Electrolyte：AI驱动的下一代电解液分子设计平台
电解液作为锂离子电池等二次电池的核心材料，其创新长期受困于复杂的溶液化学特性与庞大的分子设计空间（小分子候选数量超10⁶⁰量级）。为此，我们推出全球首创的人工智能平台Uni-Electrolyte，通过融合高通量筛选、生成式AI与领域知识，突破传统研发瓶颈，开启电解液分子设计的智能时代。平台依托三大核心模块——EMolCurator、EMolForger与EMolNetKnittor，构建从分子设计、合成路径规划到性能解析的全链条解决方案：基于超1亿候选分子库，平台可智能筛选或生成满足特定性能（如分子轨道能级、黏度、介电常数等）的创新电解液分子；通过深度学习精准预测逆向合成路径，显著缩短实验周期；解析固态电解质界面（SEI）成膜机制，为提升电池循环寿命与安全性提供理论支撑。Uni-Electrolyte以AI驱动原子级化学规律探索，加速突破性电解质材料的发现与应用，推动高能量密度、快充性能与高安全性的下一代电池商业化进程，为全球新能源产业注入颠覆性创新动力。
