简介：
吴泉生，中国科学院物理研究所研究员、博士生导师。主要从事凝聚态理论与计算研究，研究方向包括真实材料的磁电输运、电子结构与能带拓扑，以及人工智能驱动的凝聚态物理与材料研究（AI for Science）。围绕“如何从电子结构理解和预测磁阻与霍尔效应”这一核心问题，发展第一性原理与玻尔兹曼输运理论相结合的计算方法，研究复杂费米面、磁有序和拓扑电子态对输运响应的影响，推动磁输运实验与理论计算相结合的电子结构表征。主导开发开源软件 WannierTools，为拓扑材料及其输运性质研究提供计算工具。
在 AI for Science 方面，与合作者开展神经网络求解物理逆问题、生成模型驱动的晶体结构设计、机器学习力场和科学大模型研究，发展材料知识检索与科研智能体，探索从文献知识、材料生成到自动化第一性原理计算的研究流程。相关工作包括 Con-CDVAE、PODGen、DPmoire、VASPilot、TopoChat、TopoMAS 和 MaterialsGalaxy。
2013年获中国科学院物理研究所博士学位，随后在中物院高性能软件中心任助理研究员；2015—2017年在苏黎世联邦理工学院、2017—2021年在洛桑联邦理工学院从事博士后研究；2021年底加入中国科学院物理研究所凝聚态理论与计算重点实验室。
主要研究方向：
1. 真实材料的磁电输运理论与计算。发展第一性原理与半经典玻尔兹曼输运理论相结合的方法，研究磁阻、霍尔效应及其磁场、温度和角度依赖，建立输运响应与电子结构之间的定量联系。
2. 人工智能驱动的物理与材料研究（AI for Science）。研究神经网络求解物理逆问题、目标物性约束的晶体结构生成、机器学习力场与材料性质预测；发展融合专业知识的大语言模型、科研智能体与自动化计算流程，建设多源材料数据和机器学习评测平台。
3. 磁性与拓扑材料的电、热及自旋输运。研究费米面几何、磁有序、贝里曲率和散射对输运性质的影响，探索反常霍尔、反常能斯特等效应及其调控。
4. 低维与莫尔量子材料。研究转角二维体系的电子结构、平带、能带拓扑、朗道能级和量子输运，利用机器学习势研究大尺度结构弛豫及其物性。
5. 科学计算方法与开源软件。持续发展 WannierTools 及相关工具，将物理理论、第一性原理计算、机器学习和高通量方法结合，服务量子材料预测与物性研究。
过去的主要工作及获得的成果：
一、磁电输运、拓扑量子材料与开源计算工具
围绕真实材料中磁阻与霍尔效应的微观起源，开展了从计算方法、物理机制到实验验证的系统研究，推动磁电输运由现象描述走向基于电子结构的定量理解。
1. 发展面向真实材料的磁电输运计算方法。将第一性原理电子结构、Wannier 紧束缚模型与半经典玻尔兹曼输运理论结合，揭示费米面几何、开放轨道和电子—空穴补偿对不饱和磁阻及角度依赖磁阻的作用。在此基础上，将方法拓展到磁性材料和窄带隙半导体：计入普通电导与贝里曲率相关反常霍尔电导，研究 Co₃Sn₂S₂ 的复杂输运；结合温度相关化学势与弛豫时间，解释 ZrTe₅ 的电阻峰、霍尔变号和高温不饱和磁阻。相关成果发表于 Phys. Rev. B 99, 035142 (2019)、Phys. Rev. Research 6, 043185 (2024) 和 npj Computational Materials 10, 276 (2024)。
2. 揭示复杂霍尔响应与磁场下电阻异常的常规机制。从真实费米面出发，解释霍尔电阻率的非线性、变号、平台及角度依赖，并提出相应的磁场—温度标度关系。进一步阐明，磁阻标度本身即可产生类金属—绝缘体转变和重入金属行为，因此磁场下电阻—温度曲线的异常不能单独作为相变证据，为辨别常规轨道效应与新奇量子机制提供了理论依据。相关成果发表于 Phys. Rev. B 110, 205132 (2024) 和 The Innovation 6, 100837 (2025)。并在 RuO2 (Communications Materials 6, 177 (2025))和交错磁体 CrSb (Phys. Rev. B 111, 144402 (2025))中得到实验验证。
3. 以理论与实验结合研究磁性材料的电子结构与输运。解释交错磁体 CrSb 的磁阻与霍尔标度行为，提出 KV₂Se₂O 中磁对称性破缺驱动的“逆磁击穿”机制，将费米面重构与霍尔响应关联起来；围绕 EuSe₂ 和 Mn₃Si₂Te₆，研究磁结构或磁化引起的带隙变化及热激发载流子输运，揭示庞磁阻和异常电阻行为的微观机制。这些工作拓展了利用磁输运检验电子结构与磁性模型的研究路径。相关成果发表于 Phys. Rev. B 111, 144402 (2025)、Phys. Rev. B 112, L140405 (2025)、npj Computational Materials 12, 94 (2026) 和 Science China Physics, Mechanics & Astronomy 69, 257011 (2026)。
4. 主导开发 WannierTools，推动方法开放与复用。将拓扑判别、表面态、费米面、磁阻及朗道能级等计算能力集成到开源软件中，使方法能够用于不同材料体系，服务拓扑材料与磁电输运研究。截至2026年9月21日，WannierTools 软件论文获 Google Scholar 引用3136次。软件与文档：www.wanniertools.org。
5. 拓扑物态与低维量子材料。在节点链金属、非阿贝尔能带拓扑及其编织、莫尔体系平带与朗道能级等方面取得系列成果，相关研究发表于 Nature、Science、Nature Physics、Physical Review Letters 等期刊，为研究能带拓扑及其输运表征奠定基础。
二、人工智能驱动的凝聚态物理与材料研究（AI for Science）
1. 神经网络求解物理问题与机器学习力场。与合作者提出基于人工神经网络的格林函数解析延拓方法，在论文测试中提高对含噪数据的处理能力并降低求解成本（Physical Review Letters 124, 056401, 2020）。面向大尺度莫尔体系，发展 DPmoire 开源工具，将第一性原理数据生成、机器学习力场训练与结构弛豫连接起来，研究晶格重构及其对电子结构的影响（npj Computational Materials 11, 248, 2025）。
2. 面向目标物性的晶体生成与材料设计。发展 Con-CDVAE 条件生成方法，实现形成能、带隙等目标条件约束下的晶体结构生成；进一步提出 PODGen，将生成模型、性质预测器和采样方法结合，用于目标导向的材料筛选与拓扑绝缘体计算预测，并通过第一性原理计算检验生成结果。相关成果发表于 Computational Materials Today 1, 100003 (2024) 和 npj Computational Materials 12, 63 (2026)。
3. 知识增强大模型与科研智能体。共同发展 TopoChat，将拓扑材料知识图谱与文献检索融入大语言模型，提高领域问答与材料检索能力；发展 VASPilot，通过模型上下文协议（MCP）连接多智能体与 VASP 计算工具，贯通输入生成、作业提交、监测纠错及结果分析；参与构建 TopoMAS 人机协同多智能体系统，连接知识检索、推理、结构生成和第一性原理验证，探索可追溯的自动化材料研究流程。相关成果发表于 Chinese Physics B 34, 117106 (2025)、Journal of Computer Science and Technology 41, 684–697 (2026) 和 Materials Genome Engineering Advances 4, e70045 (2026)。
4. 材料数据融合、知识挖掘与机器学习评测。共同建设 MaterialsGalaxy，以原子结构相似性关联实验、理论计算与文献数据，集成知识抽取、晶体生成和性质预测工具；参与自然语言处理文献分类研究及 MatSciBench 评测平台建设，推进多源材料数据利用、模型比较和结果复现。相关成果发表于 Chinese Physics B 33, 050704 (2024)、34, 120702 (2025)，以及 MatSciBench 已接收稿在线论文（2026，DOI: 10.1088/1674-1056/ae88e3）。
代表性论文及专利：
研究成果发表于 Nature、Science、Nature Physics、Physical Review Letters、Physical Review B 等期刊。截至2026年9月21日，Google Scholar 统计总引用15908次，h指数41；WannierTools 软件论文引用3136次。完整论文与动态引用数据见 Google Scholar 主页。以下按研究主题列出代表作；粗体为吴泉生，括注说明其作者身份。
一、磁电输运方法与物理机制
[1] S. Zhang, Q. Wu, Y. Liu, O. V. Yazyev. Magnetoresistance from Fermi surface topology. Physical Review B 99, 035142 (2019).（共同通讯作者）
[2] S. Zhang, Z. Liu, H. Pi, Z. Fang, H. Weng, Q. Wu. Complex field-, temperature-, and angle-dependent Hall effects from intrinsic Fermi surface revealed by first-principles calculations. Physical Review B 110, 205132 (2024).（共同通讯作者）
[3] Z. Liu, S. Zhang, Z. Fang, H. Weng, Q. Wu. Combined first-principles and Boltzmann transport theory methodology for studying magnetotransport in magnetic materials. Physical Review Research 6, 043185 (2024).（共同通讯作者）
[4] H. Pi, S. Zhang, Y. Xu, Z. Fang, H. Weng, Q. Wu. First principles methodology for studying magnetotransport in narrow gap semiconductors with ZrTe₅ example. npj Computational Materials 10, 276 (2024).（共同通讯作者）
[5] S. Zhang, Z. Fang, H. Weng, Q. Wu. The inadequacy of the ρ-T curve for phase transitions in the presence of magnetic fields. The Innovation 6, 100837 (2025).（通讯作者）
[6] X. Peng et al. Scaling behavior of magnetoresistance and Hall resistivity in the altermagnet CrSb. Physical Review B 111, 144402 (2025).（共同通讯作者）
[7] Z. Liu, Z. Fang, H. Weng, Q. Wu. Colossal magnetoresistance and unusual resistivity behaviors in magnetic semiconductors: Mn₃Si₂Te₆ as a case study. npj Computational Materials 12, 94 (2026).（通讯作者）
[8] X. Yan, Z. Song, J. Song, Z. Fang, H. Weng, Q. Wu. Magnetic symmetry breaking driven “inverse magnetic breakdown” in a d-wave altermagnet KV₂Se₂O. Science China Physics, Mechanics & Astronomy 69, 257011 (2026).（通讯作者）
二、能带拓扑与莫尔量子材料
[9] Q. Wu, A. A. Soluyanov, T. Bzdušek. Non-Abelian band topology in noninteracting metals. Science 365, 1273–1277 (2019).（第一作者）
[10] A. Bouhon, Q. Wu, R.-J. Slager, H. Weng, O. V. Yazyev, T. Bzdušek. Non-Abelian reciprocal braiding of Weyl points and its manifestation in ZrTe. Nature Physics 16, 1137–1143 (2020).（共同第一、共同通讯作者）
[11] T. Bzdušek, Q. Wu, A. Rüegg, M. Sigrist, A. A. Soluyanov. Nodal-chain metals. Nature 538, 75–78 (2016).
[12] Q. Wu, J. Liu, Y. Guan, O. V. Yazyev. Landau Levels as a Probe for Band Topology in Graphene Moiré Superlattices. Physical Review Letters 126, 056401 (2021).（第一、共同通讯作者）
[13] F. Haddadi, Q. Wu, A. J. Kruchkov, O. V. Yazyev. Moiré Flat Bands in Twisted Double Bilayer Graphene. Nano Letters 20, 2410–2415 (2020).（共同通讯作者）
三、开源软件与计算方法
[14] Q. Wu, S. Zhang, H.-F. Song, M. Troyer, A. A. Soluyanov. WannierTools: An open-source software package for novel topological materials. Computer Physics Communications 224, 405–416 (2018).（第一、通讯作者）
四、AI for Science：机器学习、材料生成与科研智能体
[15] R. Fournier, L. Wang, O. V. Yazyev, Q. Wu. Artificial Neural Network Approach to the Analytic Continuation Problem. Physical Review Letters 124, 056401 (2020).（共同通讯作者）
[16] C. Ye, H. Weng, Q. Wu. Con-CDVAE: A method for the conditional generation of crystal structures. Computational Materials Today 1, 100003 (2024).（共同通讯作者）
[17] J. Liu, Z. Fang, H. Weng, Q. Wu. DPmoire: a tool for constructing accurate machine learning force fields in moiré systems. npj Computational Materials 11, 248 (2025).
[18] J. Liu, T. Zhu, C. Ye, Z. Fang, H. Weng, Q. Wu. VASPilot: MCP-facilitated multi-agent intelligence for autonomous VASP simulations. Chinese Physics B 34, 117106 (2025).（共同通讯作者）
[19] T. Zhu, Z. Fang, Q. Wu, H. Weng. MaterialsGalaxy: A platform fusing experimental and theoretical data in condensed matter physics. Chinese Physics B 34, 120702 (2025).（共同通讯作者）
[20] C. Ye et al. Materials discovery acceleration by using conditional generative methodology. npj Computational Materials 12, 63 (2026).（PODGen; 共同通讯作者）
[21] H. Xu, B. Zhang, Z. Jin, T. Zhu, Q. Wu, H. Weng. TopoChat: Enhancing Topological Materials Retrieval with Large Language Model and Multi-Source Knowledge. Journal of Computer Science and Technology 41, 684–697 (2026).（共同通讯作者）
[22] B. Zhang, X. Li, H. Xu, Z. Jin, Q. Wu, C. Li. TopoMAS: Large Language Model Driven Topological Materials Multi-Agent System. Materials Genome Engineering Advances 4, e70045 (2026).（共同通讯作者）
目前的研究课题及展望：
在研课题
1. 新型半金属和低维电子体系的理论预测和材料制备，国家重点研发计划，课题负责人，项目编号：2023YFA1607401，2023年12月—2028年11月。
2. 磁场下拓扑电、热输运性质的第一性原理研究，国家自然科学基金面上项目，主持，项目编号：12274436，2023年1月—2026年12月。
研究展望
围绕“电子结构—磁有序—磁电输运”的关联，进一步发展适用于磁性、低维及拓扑材料的输运计算方法，研究费米面重构、贝里曲率与散射的共同作用；结合磁阻、霍尔及热电输运实验，探索电子结构和磁性模型的定量检验与物性调控，并持续完善 WannierTools 及相关计算工具。
在 AI for Science 方面，推进物理知识与数据驱动方法相结合，探索目标物性导向的材料生成、可靠的机器学习势、领域知识增强大模型及科研智能体；加强生成结果的第一性原理验证、多源数据融合和可复现评测，逐步连接文献知识、材料设计、自动化计算与实验对照。
培养研究生情况：
每年拟招收硕博连读研究生或博士生1-2名，欢迎有科研热情的年轻人加入团队。
其他联系方式：
办公室：MA-425
电话：010-81258611
Email：
