• 近真实反应条件下催化反应机理的计算模拟

面向工业催化实际工况，发展多尺度计算模拟方法，揭示催化剂在温度、压力、反应气氛及动态结构演化等近真实反应条件下的催化机制。重点研究催化剂结构演变、反应网络、动力学过程及构效关系，建立连接理论计算与实验表征的研究框架，为高性能催化剂设计、反应过程优化及绿色化工发展提供理论支撑，推动计算催化向真实反应体系发展。

• 机器学习辅助催化新材料的智能设计

融合机器学习、人工智能与计算材料学，构建催化材料高效筛选与智能设计新范式。围绕催化活性、稳定性和选择性等关键性能，发展可解释机器学习模型与高通量计算方法，实现催化材料的快速预测、精准设计及逆向优化，加速新型催化剂的研发进程，为人工智能赋能材料科学发展和战略性新材料创新提供重要支撑。

• 物理外场作用下催化性能的协同调控

聚焦电场、磁场、应力场等物理外场对催化过程的调控作用，揭示外场影响电子结构、界面性质及反应路径的内在机制，建立外场与催化性能之间的构效关系。发展多场耦合催化理论与计算方法，为突破传统催化性能限制、构筑高效低能耗催化体系提供理论基础，服务能源转化、环境治理及绿色化工等国家重大需求。