刘天夫，中国科学院大连化学物理研究所副研究员，本科毕业于中山大学逸仙班（理科基地人才班），博士毕业于中国科学技术大学。长期从事CO₂电催化还原反应机理解析与催化剂设计研究，聚焦于电化学催化界面构效关系的构建与调控。以第一作者（含共同一作）在Nat. Nanotechnol., Nat. Commun., Natl. Sci. Rev., J. Am. Chem. Soc., Angew. Chem. Int. Ed., Energy Environ. Sci.等期刊发表论文30余篇，总引用超过3600次。研究兴趣为结合密度泛函理论、恒电势/显式溶剂模拟、分子动力学等先进计算手段，发展面向电催化还原的热力学与动力学一体化预测体系，并与实验合作构建催化活性结构-电子结构-选择性之间的定量关联。近年来在中间体导向的选择性调控、高通量筛选催化剂、以及高温固体氧化物电解界面反应机理方面取得了一系列具有代表性的成果。主持国家自然科学基金面上项目、青年基金和博士后项目，作为子课题负责人参与科技部重点研发计划和基金委重大项目。担任 J. Catal., ACS Catal., Appl. Catal. B等期刊审稿人，荣获大连市青年才俊、国家奖学金、安徽省优秀毕业生等荣誉。

主要研究方向：

1. 电催化还原反应机理与界面构效关系
聚焦小分子在电极/电解液界面的吸附、活化与转化过程，结合恒电势-溶剂化模拟方法与中间体能垒计算，揭示质子-电子协同转移路径及产物选择性调控机制。

2. 电催化高通量理论筛选与材料设计
基于吸附能标度关系、活性位电子结构调控原理，发展面向多碳产物生成的催化剂筛选体系，结合机器学习辅助催化剂设计，推动从机理研究向材料开发转化。

3. 先进建模方法在电催化中的应用
结合分子动力学与机器学习等多尺度模拟手段，构建更符合真实反应环境的界面动力学模型，提升对溶剂结构、离子分布和反应路径采样的描述精度，进行数据驱动的机制探索与催化性能预测。

机器学习指导的材料预测与催化性能调控。致力于结合机器学习与计算模拟，系统探索材料的电子结构、界面构效关系及反应机制。通过深度学习、图神经网络与高通量筛选，加速新型催化剂与功能材料的设计开发，实现理论指导下的高效催化与精准预测。欢迎对计算材料、AI驱动的材料科学与催化研究感兴趣的同学加入，共同推动交叉前沿研究发展！

2015-09--2019-06   中国科学技术大学   博士研究生
2010-09--2014-06   中山大学   硕士研究生
2006-09--2010-06   中山大学   本科

博士研究生

工学博士

   

2024-07~2025-05,中国科学院大连化学物理研究所, 副研究员
2022-06~2024-07,中国科学院大连化学物理研究所, 助理研究员
2019-07~2022-05,中国科学院大连化学物理研究所, 博士后