开学该文章近日以题为IntratumorPerformanceandTherapeuticEfficacyofPAMAMDendrimersCarriedbyClusteredNanoparticles发表在知名期刊Nanolett.上。

主要从事单原子催化剂的合成、主任性能及反应机理研究，主任致力于应用X-射线吸收谱学方法从原子尺度上研究催化剂的局域结构，并运用基于同步辐射大科学装置的原位测试技术对相关反应机理进行探索。2008.1-2011.1，任性美国马里兰大学MinOuyang课题组助理研究员。

退群插图是Cu-SA/SNC的k空间的EXAFS拟合曲线;(h)Cu-SA/SNC的界面模型示意图。得益于铜原子与载体之间的强协同作用，开学所得催化剂具有增强的ORR活性，并且通过实际的实验观察和理论计算清楚地揭示了催化机理。主任图4.Cu-SA/SNC的原位XAFS表征(a)自制电化学原位电池设置的示意图。

陈文星副研究员，任性2011年本科毕业于北京航空航天大学应用化学系。全面的X射线吸收近边缘结构（XANES）和扩展的X射线吸收精细结构（EXAFS）分析以及DFT研究表明，退群出色的ORR活性源自Cu原子与载体之间原子界面的强协同作用，退群导致中间体吸附的反应自由能降低。

所获得的Cu-SA/SNC具有增强的ORR性能，开学远胜于它的其他同类产品。

通过原位实验，主任我们发现在Cu-SA/SNC原子界面处，键合收缩的低价Cu(+1)-N4-C8S2物种在氧还原过程中起着重要的作用。作者进一步扩展了其框架，任性以提取硫空位的扩散参数，任性并分析了与由Mo掺杂剂和硫空位组成的不同配置的缺陷配合物之间切换相关的转换概率，从而深入了解点缺陷动力学和反应（图3-13）。

退群我们便能马上辨别他的性别。就是针对于某一特定问题，开学建立合适的数据库，开学将计算机和统计学等学科结合在一起，建立数学模型并不断的进行评估修正，最后获得能够准确预测的模型。

2018年，主任在nature正刊上发表了一篇题为机器学习在分子以及材料科学中的应用的综述性文章[1]。在数据库中，任性根据材料的某些属性可以建立机器学习模型，便可快速对材料的性能进行预测，甚至是设计新材料，解决了周期长、成本高的问题。