
简介
自2024年加入石油与环境化学课题组。主要研究方向是石油分析化学,具体研究内容是大语言模型辅助气相色谱方法开发工作流,研究兴趣在于气相色谱行为的预测与人工智能的结合。
教育经历
2019-2023 中国石油大学(北京) 本科
2023至今 中国石油大学(北京) 博士
邮箱
akiraxu678@gmail.com;
2023310248@student.cup.edu.cn;
7996839@163.com
研究内容
围绕复杂石油体系的色谱分离预测与方法开发,开展气相色谱预测模型、大语言模型辅助工作流及微观相平衡计算等研究,并进一步探索生成式人工智能在相关领域中的训练与应用。具体研究内容与阶段性进展如下:
1)气相色谱预测模型
• 基于溶质保留行为的温度依赖关系及其在色谱柱内的迁移与展宽过程,构建气相色谱机理预测模型。
• 开展全二维气相色谱(GC×GC)预测模型构建,考虑一维与二维色谱柱的分离过程及调制过程,研究组分在不同固定相组合和运行条件下的二维保留与峰展宽行为,实现二维色谱图模拟,为复杂石油样品的分离条件开发提供支持。
2)大语言模型辅助的气相色谱方法开发工作流
• 将气相色谱预测模型、参数回归程序与优化算法封装为可调用的功能模块。
• 构建涵盖实验设计、参数回归与验证、条件预测及方法优化的工作流。
3)微观相平衡模型与溶质分配系数计算
• 拟从分子相互作用与相平衡角度建立微观计算模型,计算溶质在载气相与固定相之间的分配系数,研究温度、溶质分子结构及固定相性质对分配行为的影响。
后续面向不同固定相及全二维色谱柱组合,研究分子层面的分配行为与宏观分离选择性之间的联系,为固定相选择和色谱方法开发提供依据。
技能专长
气相色谱及联用技术:GC-FID、GC×GC。
光谱:NIR、MIR、拉曼。
更新时间:2026年10月23日