刘智攀，1997-2000年本科和硕士毕业于上海交通大学应用化学系，2003年博士毕业于英国女王大学，2003-2005年博士后期间在剑桥大学从事表面科学理论研究，2005年8月入职复旦大学化学系。主要从事理论计算化学方法发展、软件开发、表界面化学反应过程的计算模拟

近年来基于大数据的机器学习方法深入到科学研究的各个分支，不仅变革了传统研究范式，同时也体现了新技术对于研究效率的提升。我们课题组前期提出了全局神经网络势函数（G-NN）方法，形成了以随机势能面行走（SSW）-神经网络势函数（SSW-NN）为特色的LASP软件包，为复杂催化体系的研究提供了一种功能强大的新型研究工具。本报告首先简单介绍SSW-NN方法，LASP软件，和一些典型的应用体系。报告的主要内容关于我们通过多尺度机器学习，结合催化实验研究，开展催化剂合成和设计的探索， 并总结我们的一些思考和收获。