王美洁
Deep Principle | AI4S 算法实习生
厦门大学凝聚态物理博士生（博二在读），现于 Deep Principle 从事 AI for Science 方向研究。近期聚焦材料性质预测基础模型（MPA）的研发，负责训练与评测基础设施建设、Mid-training 与 Post-training 流程开发，以及大规模模型训练和实验评估工作。
此前主要基于第一性原理计算（DFT）和机器学习，系统研究材料结构—电子结构—催化性能之间的关系，聚焦单原子/双原子催化体系（Appl. Surf. Sci. 2024, J. Mater. Chem. A 2024, J. Phys. Chem. Lett. 2026, ACS Catal. 2026）。
Education
Experience
深度原理 (Deep Principle)
AI4S 算法实习生
2026.01 - 至今
- 材料基座模型 MPA：将 LLM 式多阶段训练（pre-/mid-/post-training）引入实验性质预测；40 项任务中 35 项达到 SOTA，scaffold（OOD）划分下 MAE 较直接微调降低 14.6%，超越 Uni-Mol2、Suiren、ChemProp。
- 负责 mid-training（基于大规模第一性原理数据的物理对齐）与 post-training 全部流程实现，含 Hybrid Readout 读出头（注意力池化 + 原子加和）；搭建训练/评测基础设施、完成全部大规模训练，模型已接入 SciClaw。
厦门大学
博士课题
2022.09 - 至今
- 双原子催化剂设计与机理：设计 Si 基双原子催化剂用于 CO₂ 还原，揭示 p–d 轨道耦合机制；用 GBR pipeline 筛选 360+ 候选。（Appl. Surf. Sci. 2024, JMCA 2024）
- 曲率驱动催化：确立曲率为独立的活性调控旋钮（倒火山关系，可解释描述符 R² = 0.92），并推广为统一的几何-电子原理。（JPCL 2026, ACS Catal. 2026）
Selected Publications
A geometric-electronic principle for curvature-driven catalysis
Meijie Wang, Yuxing Lin, Zhulin Huang, Yang Sun, Zi-zhong Zhu, Shunqing Wu, Xinrui Cao
ACS Catal., Accepted, In Press (2026)
Curvature Engineering of SiFe Dual-Atom Catalysts for Enhanced CO₂ Electroreduction
Meijie Wang, Yuxing Lin, Yaowei Xiang, Yang Sun, Zi-zhong Zhu, Shunqing Wu, Xinrui Cao
J. Phys. Chem. Lett., 17, 1227-1234 (2026) · DOI
p-d Orbital coupling in silicon-based dual-atom catalysts for enhanced CO₂ reduction
Meijie Wang, Yaowei Xiang, Yuxing Lin, Yang Sun, Zi-zhong Zhu, Shunqing Wu, Xinrui Cao
J. Mater. Chem. A, 12, 31902-31913 (2024) · DOI
SiFeN₆-graphene: A Promising Dual-Atom Catalyst for Enhanced CO₂-to-CH₄ Conversion
Meijie Wang, Yaowei Xiang, Wengeng Chen, Shunqing Wu, Zi-Zhong Zhu, Xinrui Cao
Appl. Surf. Sci., 643, 158724 (2024) · DOI
Handbook
面向组内新人的结构化手册，整理 Linux、科研工具和 DFT 工作流中最常用的内容。