Capabilities
从化工问题出发，形成一条连续的研发增效能力链。
材料、实验、数据和 AI 不是分裂的方向，而是同一套研发工作流中彼此衔接的能力。
理解研发问题
从反应机理、材料结构与工艺约束出发，拆解真正影响实验结果的变量。
催化机理 · 表征分析 · 工艺约束搭建实验系统
把研究假设落实为可控制、可记录、可重复的实验装置与评价流程。
固定床 · HPLC/ESI · RS485/232处理科研数据
清洗并对齐多源实验数据，让结果能够快速比较、追踪与复用。
Python · Pandas · ETL · Visualization自动化与 AI 增效
用控制程序、数据管线和 AI 工具减少重复劳动，加快下一轮研发决策。
PI Control · Automation · AI ToolsLogic Map
让实验知识进入下一轮研发决策。
材料研发、工艺评价、数据工程与自动化控制汇合为可持续复用的研发反馈闭环。
材料研发
催化剂、表征、构效关系
数据工程
ETL、清洗、对齐、可视化
工艺评价
固定床、HPLC/ESI、长周期考评
自动化控制
GUI、多线程、PI 闭环
研发数字化
更高效、更可靠、更可追踪
研究问题
MMA 合成、固废资源化、污染物降解与过程优化。
实验系统
固定床评价、HPLC/ESI、表征数据与长周期稳定性。
数据采集
GC/XLSX 原始数据、过程参数、实验日志和异常记录。
自动处理
ETL、单位对齐、自动作图、异常预警和结果归档。
研发反馈
构效关系、条件寻优、DOE 思路与知识沉淀。
Selected Works
用项目证据说明交叉能力。
从研究深度、工程实现到数据效率，三个案例既方便快速筛选，也保留了可继续追问的技术细节。
CASE 01 / CATALYSIS RESEARCH
MMA 催化剂可控制备
围绕催化剂位点结构与反应表现，建立从制备、表征到评价的研究证据链。
- 挑战
- 需要调控金属位与酸碱位的空间关系，并建立可验证的构效联系。
- 行动
- 设计并比较 Cu@S-1、Cu-mSiO2 与 CuAlCs 体系，结合表征与工艺评价分析邻近效应。
- 技术
- Catalyst Synthesis · SEM/TEM · XRD · BET · Fixed-bed Evaluation
- 结果
- 形成从可控制备、结构表征到性能评价的证据链，为后续条件优化提供依据。
CASE 02 / AUTOMATION SYSTEM
自动化合成控制系统
面向真实实验装置构建控制、记录和反馈闭环。
- 挑战
- 多设备通信、实验状态同步与频繁人工操作影响效率和一致性。
- 行动
- 设计 GUI、通信队列、多线程任务与 PI 闭环控制。
- 技术
- Python · CustomTkinter · RS485/232 · Multithreading · PI Control
- 结果
- 人工干预降低约 80%，形成可复用的实验控制系统。
CASE 03 / SCIENTIFIC DATA
科研数据 ETL 引擎
将多源异构科研数据转化为可复用、秒级完成的处理与作图流程。
- 挑战
- GC/XLS/XLSX 数据来源和格式不统一，人工清洗、匹配与作图耗时。
- 行动
- 构建模块化 ETL 流程，自动完成清洗、模糊匹配、单位对齐与复合图表生成。
- 技术
- Python · Pandas · GC/XLS/XLSX · Fuzzy Matching · Visualization
- 结果
- 将小时级的数据整理与作图压缩到秒级，并保留可追踪的处理流程。