张照胜
个人简介：
1989年。山西大学本硕（2009-2016），北京师范大学博士（2016-2019）。2019年A类引进河北大学，副教授/校聘教授，省优青/省青年拔尖/省燕赵英才A卡/坤舆青年学者，硕士生导师/辅导员。
自2019年入职以来，作为独立通讯作者在J. Mater. Chem. A、Inorg. Chem.、J. Phys. Chem. Lett.、J. Chem. Phys.等期刊发表多篇论文。
主持国家自然科学基金青年项目/面上项目；河北省自然科学基金青年项目/优青项目；河北省教育厅青年拔尖人才项目。
七一路校区D6-201东门，数值计算实验室。
Blog：www.misaraty.com
GitHub：github.com/misaraty
Email：misaraty@163.com
主讲课程、研究方向、已购软件与硬件：
主讲课程：《物理化学》《物理化学实验》《趣味机器学习》等。
研究方向：人工智能驱动的光电转换材料性能预测与非绝热动力学模拟。
已购软件：VASP、CASTEP、WIEN2k、FHI-aims、Gaussian16/GaussView6、MATLAB（含30个工具箱）、Mathematica、Maple、SPSS Professional、Stata SE、OriginPro、GraphPad Prism等。
已购硬件：服务器集群（1个管理节点、2个存储节点24TB+216TB、7个计算节点Intel Xeon Gold 6240/6242/6444Y）、显卡（Tesla A100-40GB、GeForce RTX3080Ti-16GB/RTX5080-16GB/RTX5090-32GB）等。
科研论文：
1. Zhang, Z.*; Liu, Y.; Liu, J. Phosphonic Acid Molecular Regulation of Frenkel Defects for Suppressing Nonradiative Recombination in FAPbI3 Perovskites. J. Phys. Chem. Lett. 2026, 17, 9756–9765.
2. Zhang, Z.*; Liu, Y.; Liu, J.; Zhang, W.; Xiong, Q. A Unified Deep Generative Framework for Surrogate-Guided Molecular Discovery across Diverse Molecular Spaces. Phys. Chem. Chem. Phys. 2026, 28, 19038-19045.
3. Zhang, Z.*; Xiong, Q.; Liu, Y.; Liu, J.; Zhang, W. Machine Learning Accelerated Nonadiabatic Molecular Dynamics of Defect-Mediated Recombination in Alkali Metal Passivated Cu2ZnSnS4. J. Chem. Phys. 2026, 164, 214111.
4. Zhang, Z.*; Liu, Y.; Liu, J.; Zhang, W.; Xiong, Q. Electronegativity Informed Graph Neural Networks for Superconducting Temperature Prediction with Generative Crystal Validation. Inorg. Chem. 2026, 65, 9625-9632.
5. 刘研博; 刘佳冬; 熊青; 张梧桐; 张照胜*. 基于机器学习和符号回归筛选具有优异光电性能的卤化物双钙钛矿材料, 物理学报, 2026, 1-20.
6. 刘佳冬; 刘研博; 张照胜*. A位阳离子对二维钙钛矿光电特性的调控机理研究, 化学学报, 2026, 1-11.
7. 刘研博; 刘佳冬; 熊青; 张梧桐; 张照胜*. CeBN3（B=Ta、Nb）的光电特性和缺陷性质的第一性原理研究, 无机化学学报, 2026, 42, 1155-1163.
8. Zhang, Z.*; Xiong, Q.; Liu, Y. Nonradiative Recombination Dynamics Simulations of CuIn1−xGaxSe2 Solar Cells Based on RNN and Transformer Models. J. Mater. Chem. A 2025, 13, 29516-29527.
9. Zhang, Z.*; Liu, Y.; Xiong, Q. Modeling Nonradiative Recombination in CsPbI3 and Ge-Doped Perovskites via Deep Learning with CNN and Transformer Architectures. J. Phys. Chem. Lett. 2025, 16, 6888-6897.
10. Zhang, Z.*; Liu, Y.; Xiong, Q. Accelerating Nonadiabatic Molecular Dynamics Simulations in CdSexTe1−x Solar Cells with Recurrent Neural Networks. J. Chem. Phys. 2025, 163, 024126.
11. Zhang, Z.*; Liu, S.; Xiong, Q.; Liu, Y. Strategic Integration of Machine Learning in the Design of Excellent Hybrid Perovskite Solar Cells. J. Phys. Chem. Lett. 2025, 16, 738-746.
12. Zhang, Z.*; Xiong, Q.; Liu, S. Enhanced Design of Kesterite Solar Cells through High-Throughput Screening and Machine Learning Approaches. J. Phys. Chem. Lett. 2024, 15, 9795-9802.
13. Zhang, Z.*; Liu, S.; Xiong, Q. A-Site Cations Impact on Nonradiative Recombination, Mobility, and Defect Dynamics in Sn-Based Perovskites. J. Phys. Chem. Lett. 2024, 15, 7659-7666.
14. Zhang, Z.*; Liu, S.; Zhang, Y. Refining DIIS Algorithms for Si and GaAs Solar Cells: Incorporation of Weight Regularization, Conjugate Gradient, and Reverse Automatic Differentiation Techniques. Phys. Chem. Chem. Phys. 2024, 26, 12717-12724.
15. Zhang, Z.*; Zhang, Y.; Liu, S. Integrative Approach of Machine Learning and Symbolic Regression for Stability Prediction of Multicomponent Perovskite Oxides and High-Throughput Screening. Comput. Mater. Sci 2024, 236, 112889.
16. Zhang, Z.*, Metal Halide Perovskite Nanotubes for High-Performance Solar Cells with Ab Initio Analysis. J. Phys. Chem. Lett. 2023, 14, 5155-5162.
17. Zhang, Z.*, Automated Graph Neural Networks Accelerate the Screening of Optoelectronic Properties of Metal–Organic Frameworks. J. Phys. Chem. Lett. 2023, 14, 1239-1245.
18. Zhang, Z.* Sulfur-Vacancy Passivation via Selenium Doping in Sb2S3 Solar Cells: Density Functional Theory Analysis. J. Phys. Chem. C 2022, 126, 20786-20792.
19. Zhang, Z.*; Wang, J.; Zhang, Y.; Xu, J.; Long, R.* Charge Recombination Dynamics in a Metal Halide Perovskite Simulated by Nonadiabatic Molecular Dynamics Combined with Machine Learning. J. Phys. Chem. Lett. 2022, 13, 10734-10740.
20. Zhang, Z.*; Zhang, Y.; Wang, J.; Xu, J.; Long, R.* Doping-Induced Charge Localization Suppresses Electron-Hole Recombination in Copper Zinc Tin Sulfide: Quantum Dynamics Combined with Deep Neural Networks Analysis. J. Phys. Chem. Lett. 2021, 12, 835-842.
21. Zhang, Z.; Qiao, L.; Mora-Perez, C.; Long, R.*; Prezhdo, O. V.* Pb Dimerization Greatly Accelerates Charge Losses in MAPbI3: Time-Domain Ab Initio Analysis. J. Chem. Phys. 2020, 152, 064707.
22. Zhang, Z.; Fang, W.-H.; Long, R.*; Prezhdo, O. V.* Exciton Dissociation and Suppressed Charge Recombination at 2D Perovskite Edges: Key Roles of Unsaturated Halide Bonds and Thermal Disorder. J. Am. Chem. Soc. 2019, 141, 15557-15566.
23. Zhang, Z.; Long, R.* Doping-Induced Rapid Decoherence Suppresses Charge Recombination in Mono/Divalent Cation Mixed Perovskites from Nonadiabatic Molecular Dynamics Simulation. J. Phys. Chem. Lett. 2019, 10, 3433-3439.
24. Zhang, Z.; He, J.; Long, R.* Ultrafast Charge Separation and Recombination across a Molecule/CsPbBr3 Quantum Dot Interface from First-Principles Nonadiabatic Molecular Dynamics Simulation. J. Phys. Chem. C 2019, 123, 23800-23806.
25. Zhang, Z.; Fang, W.-H.; Tokina, M. V.; Long, R.*; Prezhdo, O. V. Rapid Decoherence Suppresses Charge Recombination in Multi-Layer 2D Halide Perovskites: Time-Domain Ab Initio Analysis. Nano Lett. 2018, 18, 2459-2466.
26. Zhang, Z.; Liu, L.; Fang, W.-H.; Long, R.*; Tokina, M. V.; Prezhdo, O. V.* Plasmon-Mediated Electron Injection from Au Nanorods into MoS2: Traditional Versus Photoexcitation Mechanism. Chem 2018, 4, 1112-1127.
27. Zhang, Z.; Long, R.*; Tokina, M. V.; Prezhdo, O. V.* Interplay between Localized and Free Charge Carriers Can Explain Hot Fluorescence in the CH3NH3PbBr3 Perovskite: Time-Domain Ab Initio Analysis. J. Am. Chem. Soc. 2017, 139, 17327-17333.
科研项目：
1. 国家自然科学基金委员会，面上项目，22573026，基于自动神经网络的无铅钙钛矿性能预测及其可解释性研究，2026-01至2029-12，50万元，在研，主持。
2. 河北省自然科学基金委员会，优秀青年科学基金项目，B2024201051，多模态机器学习与遗传算法在无铅多元钙钛矿筛选中的应用研究，2024-01至2026-12，20万元，在研，主持。
3. 河北省教育厅，青年拔尖人才项目，BJK2024094，基于符号回归的钙钛矿元素特性与材料性能关联研究，2024-01至2026-12，10万元，在研，主持。
4. 国家自然科学基金委员会，青年科学基金项目，22103021，基于机器学习的铜锌锡硫太阳能电池光生电荷非绝热分子动力学模拟，2022-01至2024-12，30万元，已结题，主持。
5. 河北省自然科学基金委员会，青年科学基金项目，B2020201070，碲化镉太阳能电池光生非平衡电荷动力学理论研究，2020-01至2022-12，6万元，已结题，主持。
教学方面：
1. 2026年度河北省实验教学和教学实验室建设研究项目，人工智能与数据驱动融合的化学专业实验教学体系重构与创新实践，在研，主持。
2. 河北大学第十一批教育教学改革研究项目，2026XJJG39，AI赋能材料化学类课程的智能教学与数字化评价研究——以《物理化学》课程为例，2025-12至2027-11，在研，主持。
3. 张照胜*, 霍树营, 张红, 孙素芳, 马海云, 马京. 基于机器学习的反应动力学建模教学设计——蔗糖水解实验[J]. 化学教育（中英文）, 2026, 47(2): 114-122。
4. 河北大学人工智能赋能教改专项课题，XRGZN15，人工智能赋能《趣味机器学习》通识课程的教学模式创新与应用研究，2025-06至2026-06，已结题，主持。
5. 第十一届青年教师课堂教学大赛中获院级一等奖，2025-01-17。
6. 张照胜*. 机器学习在计算化学教学中的创新应用——钙钛矿材料高通量筛选研究[J]. 化学教育（中英文）, 2024, 45(22): 97-103。
7. 第二届课程思政教学大赛中获院级二等奖，2024-06-29。
