工作经历：

2015-     现在 上海大学 教授

2012-2015     上海理工大学 教授

2006-2012     加州理工学院 美国 高级研究员

2003-2006     西安大略大学 加拿大 博士后

2002-2003     于利希研究中心 德国 博士后

1997-2002     名古屋大学 日本 博士后

教育经历：

1995-1997 中国科学院金属研究所 博士 材料科学与工程

1992-1995     东北大学 硕士 材料科学与工程

1988-1992     东北大学 本科 材料科学与工程

研究方向

目前研究兴趣主要是基于材料基因工程和“人工智能+材料”理念，融合多尺度计算（第一性原理和分子动力学）、高通量实验（全流程自动化制备和表征与智能合金实验室）和机器学习方法（特征工程和智能优化算法），实现低成本、高效率的材料成分和工艺的智能优化设计。主要聚焦研究先进合金材料，包括关键工程合金（钢铁、铝、铜等）和核电、航空/航天领域用的难熔合金和高温合金（高熵合金、镍合金、锆合金、钼合金和铌合金等）。此外，开发面向有机体系和合金体系的新一代反应力场ReaxFF势函数，并利用反应分子动力学方法研究碳氢燃料的微观燃烧过程、纳米碳材料的生长机制和合金断裂的微观过程等。现任“中国材料研究学会材料基因组分会”秘书长、“中国材料研究学会计算材料分会”委员、“中国化学会计算机化学专业委员会”委员；“Journal  of Materials Informatics”、“MGE Advances”、“AI     Materials”、“AI Agents”、“AI  Physics and Chemistry”和“Materials in  Service”等学术期刊编委。

代表性成果

1.           Bin  Xiao, Yuchao Tang, Yi Liu*; Integrating Materials Representations  Into Feature Engineering in Machine Learning for Crystalline Materials:  From Local to Global Chemistry-Structure Information Coupling, Wiley  Interdisciplinary Reviews: Computational Molecular Science, 2025,     15:e70044. (IF: 27.1)

2.           Wan  Du, Xue Fan, Bin Xiao, Junxi Sun, Qingqing Wang, Yuchao Tang, Limin Zhang,  William A. Goddard, Yi Liu*; Re enhancement effects: Development of  a ReaxFF_NiAlRe reactive force field for Ni-based superalloys, Acta  Materialia 2025, 285: 120712. (IF: 9.3)

3.           Ke  Sun, Wenyi Yang, Yiheng Shen, Zihan Wang, Yindian Wang, Hognxia Chen, Yi  Liu*; Green solid-state synthesis of Cu₄O₃/biochar  composites with high antimicrobial activity, Green Chemistry, 2025,  27; 1462-1474. (IF: 9.2)

4.           Y.  Tang, B. Xiao, S. Chen, Q. Qian, Y. Liu*, Predefined  attention-focused mechanism using center-environment features: a machine  learning study of alloying effects on the stability of Nb₅Si₃  alloys, Digital Discovery 4 (2025) 1870. (IF: 5.38)

5.        Qingqing  Wang; Qi He; Bin Xiao; Dong Zhai; Yiheng Shen; Yi Liu*; William A.  Goddard; Detailed Reaction Kinetics for Hydrocarbon Fuels: The Development  and Application of the ReaxFF_CHO-S22 Force Field for C/H/O  Systems with Enhanced Accuracy, The Journal of Physical Chemistry A  2024, 128: 5065-5076. (IF: 2.7)

6.           Jing  Guo; Bin Xiao; Yuchao Tang; Yihang Li; Dong Zhai; Xue Fan; Yi Liu*;  Element-configuration dependent first-principles machine learning studies  of multiple alloying effects on the structure stability of Co₃(Al,  W), Computational Materials Science, 2024, 233: 112767 (IF: 3.1).

7.           Tang  Y., Xiao B., Chen J., Liu F., Du W., Guo J., Liu Y., and Liu Y.*.  Multi-component alloying effects on the stability and mechanical properties  of Nb and Nb-Si alloys: A first-principles study. Metall  Mater Trans A. 2023, 54, 450. (IF: 2.7)

8.           Y.  Li, R. Zhu, Y. Wang, L. Feng, Y. Liu*, Center-environment deep  transfer machine learning across crystal structures: from spinel oxides to  perovskite oxides, npj Comput. Mater. 9 (2023) 109. (IF: 9.4)

9.           Liu  Fu, Wang Qingqing, Tang Yuchao, Du Wan, Chang Weiwei, Fu Zewei, Zhao  Xinluo, Liu Yi*, Carbon nanowires made by the insertion-and-fusion  method toward carbon-hydrogen nanoelectronics, Nanoscale 2023, 15  (13), 6143-6155 (IF: 8.307)

10.       Y.  Liu*,  J. Wang, B. Xiao, J. Shu, Accelerated development of hard high-entropy  alloys with data-driven high-throughput experiments, J. Mater. Inform.  2 (2022) 3. (IF: 5.61)

11.       Shu,  J.; Dong, Z.*; Zheng, C.; Sun, A.; Yang, S.; Han, T.; Liu, Y.; Wang, Z.;  Wang, S.; Liu, Y*. High-Throughput Experiment-Assisted Study of the  Alloying Effects on Oxidation of Nb-Based Alloys. Corrosion Science  2022, 204, 110383. (IF:7.205)

12.       Li,  Y.; Xiao, B.; Tang, Y.; Liu, F.; Wang, X.; Yan, F.; Liu, Y*.  Center-Environment Feature Model for Machine Learning Study of Spinel  Oxides Based on First-Principles Computations. J. Phys. Chem. C  2020, 124 (52), 28458–28468. (IF: 4.126)

13.    Wang,  X.; Xiao, B.; Li, Y.; Tang, Y.; Liu, F.; Chen, J.; Liu, Y*.  First-Principles Based Machine Learning Study of Oxygen Evolution Reactions  of Perovskite Oxides Using a Surface Center-Environment Feature Model. Applied  Surface Science 2020, 531, 147323. (IF:6.707)