报告时间：2026年10月12日（周一）16：00
报告地点：材化学院1-225会议室
报告人：冯凌燕
报告人简介：冯凌燕，上海大学材料基因组工程研究院教授，钱伟长学院院长。主要研究方向为新型生物无机功能材料智能设计，围绕机器学习加速的材料设计新范式、生物功能材料制备和性能调控新方法、疾病检测需求的生物传感新器件等方面拓展示范应用。累计发表SCI论文114篇，论文引用近5千次，其中第一\通讯作者论文68篇，包括Advanced Materials、Angewandte Chemie International Edition、Nature Communications等国际学术期刊。累计6篇文章入选“ESI高被引论文”和5篇期刊封面文章。已授权中国发明专利5项，软件著作权6项。独立主持国自然面上项目等多项项国家和省部级以上项目，连续4年入选“全国前2%顶尖科学家”（年度影响力排行榜），获上海市东方学者及其跟踪计划、德国洪堡学者等系列荣誉称号，同时积极担任多个学术期刊青年编委。
报告摘要：构建高质量的圆偏振荧光材料，尤其是提高其手性不对称因子，且智能响应的材料等，被认为在分子识别，生物传感及成像和信息加密传输方面具有独特优势和潜在应用。报告人通过引入特殊核酸功能手性模板，利用其丰富的核酸结构信息，尤其是具有多种二级结构变化的四链结构，将手性核酸/核苷酸分子与系列荧光分子、纳米材料共组装，得到一系列具有高手性不对称因子，发光较强且智能响应的核酸圆偏振功能材料，兼具核酸/核苷酸组装体灵活的结构和良好生物相容性。并对其分子层面形成机理、结构变化对性能影响的规律性进行了详细探讨。将基于四链核酸的圆偏振材料体系拓展到纳米尺度，构建了一系列刺激响应的纳米功能材料，系统研究其光谱性质，及其在特定物理条件调控手性信号反转及循环响应。利用材料独特的高灵敏光谱信号和刺激响应功能，实现了新型手性传感材料设计，并用于生物检测等系列应用。
同时，突破“试错法”经验寻优模式，引入机器学习优化材料设计合成和性能提升，助力新型生物功能材料研究新范式。采用机器学习辅助的“实验-预测-验证”的方法，在新型低共熔溶剂中制备得到功能材料。通过特征重要性筛选，建立不同机器学习分类和回归模型,确定各种可能的合成实验参数及其组合与材料目标性能之间的关系，并对模型可解释性进行分析。实现功能圆偏振材料制备过程中系统环境的复杂性以及材料合成数据清晰度关联，精确构建实验参数和目标性能之间的关系。通过机器学习和实验验证相结合，从实验和计算“组合样本”数据中进行大规模预测筛选，材料性能提升10倍以上。进一步针对功能材料手性不对称因子和量子产率多目标优化需求，引入高效分子描述符等多源数据构建可信机器学习新模型，借助特征重要性分析筛选具有物理化学内涵的关键特征变量，加强可解释性分析并深入理解手性调控机制，指导多目标性能预测、理论筛选和实验验证，助力核酸功能圆偏振功能材料设计并拓展其在加密防伪器件和生物诊疗等领域应用。
欢迎广大师生踊跃参加！
