摘要
此次报告将简略介绍材料基因组计划（Materials Genome Initiative）在美国的发展，特别是高通量计算（high-throughput computation）和大数据（big data）技术的结合在不同的功能材料特别是能源和拓扑材料领域的应用。报告将以光催化材料的筛选和预测为例，介绍这套方法在材料发现和推广过程中的作用。在这个方向上，我们发展了一套基于第一原理计算和数据的新材料发现方法，用以寻找小带隙并具有合适光解水的能带边缘的过渡金属氧化物。基于材料计划(Materials Project)的现有框架，通过使用一套新的广泛适用的高通量自动化计算流程，我们实现了固体和表面电子结构的第一原理计算自动化。我们发现，通过高通量计算提供的海量数据与机器学习（Machine Learning）技术的结合，仅利用密度泛函水平的计算结果便可以很好的预测更高阶的杂化泛函理论计算得到的半导体带隙大小。这一发现大大加速了我们的材料筛选过程。我们使用这套发现方法成功确定了若干在光照溶液环境中稳定的光催化剂。其中两种材料已被加州理工学院人工光合作用中心的实验合作者成功合成，其实验数据与我们的理论预测非常吻合。我们的研究发现了这些材料的若干共性和规律，这为继续寻找新的光催化材料提供了理论设计的方向。报告还将简要介绍我们使用高通量材料搜索方法在拓扑材料领域的早期工作和前景展望。

教育经历
1999年9月—2003年7月西安交通大学学士应用物理学
2003年9月—2006年7月清华大学硕士物理学
2007年9月—2012年6月加州大学圣巴巴拉分校博士材料学
工作经历
2012年7月—2012年12月加州大学圣巴巴拉分校博士后
2013年1月至今劳伦斯伯克利国家实验室博士后
研究领域及简介
严琪闽博士自2003年来从事半导体功能材料和能源材料的第一原理计算模拟研究。研究领域包括在材料基因组计划下的高通量计算材料筛选，以及大数据和机器学习在材料领域中的应用；宽带半导体中的晶体缺陷，应力和光电性质的研究；基于氮化镓的LED器件的模拟和效率优化；低维纳米材料的能带结构和器件模拟。
学术及科研成果
目前已发表学术论文32篇，授权美国专利1项，合著学术书籍1部，论文被引用1200余次。清华攻读硕士期间，首次提出了基于石墨纳米带的场效应管的设计思路并以计算模拟加以验证，该工作已被引用400余次。其硕士论文被评为清华大学优秀硕士学位论文。在加州大学进行博士研究期间，对氮化物半导体(GaN, AlN and InN)及其合金的应力效应和电子能带结构，晶体缺陷和发光性质以及LED的器件发光效率进行了系统的计算研究，并与2014年诺贝尔奖获得者中村修二的实验课题组进行了深入的合作。其关于氮化物和ZnO的应力效应的文章被Semi. Sci. Tech.杂志选为年度Highlight。博士期间的研究成果获得了加州大学固态照明与能源中心杰出研究奖。博士后期间积极参与了材料基因组计划，结合高通量计算和材料基因组数据库成功预测了若干高性能光催化材料，其中两种新材料已被加州理工学院人工光合作用中心的实验合作者成功合成。