1. 高热流密度芯片热管理/电池安全管理技术

高算力芯片热管理： 针对AI大模型时代数据中心、高性能计算芯片及5G基站的“功耗墙”难题，研究前沿的冷板液冷、浸没式冷却及高效两相流微通道传热机理。

储能与动力电池直冷技术： 围绕高能量密度电池的热失控难题，研发基于直接制冷剂冷却（直冷）的高效热管理系统，攻克气液分离与膨胀阀控制等底层流体力学与传热难关。

�� 合作与就业前景： 本方向与德业股份（Deye）等头部新能源与制造企业深度合作，并与半导体散热产业链紧密对接。

2. 新型物理储能与能源系统数字化优化

系统建模与大工程仿真： 深入探索卡诺电池（Carnot Batteries）与压缩空气储能（CAES）系统的稳态性能模拟与优化，突破大规模、长时储能的技术壁垒。

复杂场景多能互补： 面向油气田开发及西藏等高寒、低压气候条件，开展太阳能辅助“储-废热利用”多联产系统的规划与国家级示范验证。

�� 合作与就业前景： 研究课题直接对接电、油气央企及国家级重点工程。

3. 能源系统的人工智能与数字孪生

物理-数据双驱动系统： 告别传统的纯实验试错，依托大型语言模型（LLM）与机器学习技术，构建“物理实体-数字孪生”混合驱动的电池安全预警、系统控制平台。

智能代码生成与控制： 将AI深度嵌入工程仿真（如MATLAB/REFPROP/Simulink自动化建模），实现热力系统的高效迭代。

�� 合作与就业前景：培养不仅懂热力学方程、更懂AI与大模型调用的复合型人才（支持并且鼓励跨学科）。

团队理念：

1、直通业界： 支持与一线企业深度合作。研究成果不仅是论文，强调直接转化成企业的核心产品，重在培养基于底层物理理解的工程直觉；

2、支持AI大背景下新机遇、新方向的探索，包括但不限于芯片散热、医工交叉等。