Dohyung Kim教授 / 电化学催化 / 在招PhD / Packard Fellow 2025
Science & Technology
如果你最近在看宾大的全奖博士，我觉得化工系的Dohyung Kim值得重点关注。他2022年才从斯坦福博后出站加入宾大，建组不到三年就拿到了Packard Fellowship——这个奖在美国工科青年PI里含金量非常高，说明他的研究方向和个人能力都得到了同行高度认可。
但我先说清楚：这位导师的研究以实验为核心，做的是电化学界面科学。如果你是纯做DFT计算、或者对湿化学实验不感兴趣的同学，套这位导师之前要想清楚。
Dohyung Kim，宾夕法尼亚大学化学与生物分子工程系助理教授。本科毕业于首尔国立大学材料科学专业（2012），博士在UC Berkeley的Peidong Yang组（2018），博后在斯坦福Matteo Cargnello组。他的核心方向是电化学界面科学，研究电极-溶液界面上的催化反应机制，应用覆盖CO₂还原、水裂解、燃料电池和生物质电化学转化。
研究分析：三篇论文看懂他的研究主线
1. Synergistic geometric and electronic effects for electrochemical reduction of carbon dioxide using gold-copper bimetallic nanoparticles
Nature Communications, 2014 · 高被引论文
这是Kim读博期间的代表作，揭示了金铜双金属纳米粒子中几何效应和电子效应如何协同作用，把CO₂电还原为CO的效率大幅提升。这篇文章直接奠定了他在CO₂电化学还原领域的学术地位。我觉得这篇最值得先读，因为它能帮你理解Kim的核心学术思路——通过精确控制纳米尺度的催化剂结构来优化电化学反应。
2. 疏水阳离子添加剂对金属电极表面电化学反应的增强机制
2024 · Kim Lab界面液体调控研究
这篇是Kim组近年的新方向——通过调控电极表面的界面液体层来增强催化反应。传统研究聚焦催化剂本身，而Kim开始关注催化剂和溶液"之间"发生了什么。Mason觉得这个切入角度很聪明：界面液体是个相对冷门但有巨大潜力的研究空白。
3. 碳材料中氮掺杂的热解形成机理研究
2024-2025 · 杂原子掺杂碳催化剂
这篇深入解析了氮掺杂碳材料在高温热解过程中的形成机理，对单原子催化剂的理性设计提供了重要指导。说明Kim的研究不局限于贵金属催化剂，也在拓展到更廉价、更可持续的碳基催化剂体系。
研究想法：三个值得深入的方向
1. 原位光谱表征驱动的界面液体理性设计
结合Kim在界面液体方面的最新工作，用原位拉曼/红外光谱实时观察电极表面液体层的分子行为，建立"界面液体结构-催化性能"的构效关系。这个方向既有实验挑战性，又有发顶刊的潜力。
2. 电化学驱动的废塑料解聚与化学品生产
Kim在斯坦福博后期间就做过生物质的电化学转化，现在可以延伸到废塑料领域。用电化学方法在温和条件下把废塑料转化为有价值的化学品，跟他的催化剂设计能力完美对接。
3. 机器学习加速的电催化剂高通量筛选
把Kim组积累的大量电化学实验数据和催化剂结构数据用机器学习方法挖掘，建立快速筛选高性能电催化剂的预测模型。这个方向特别适合有计算或数据科学背景的同学作为交叉切入点。
申请建议
1. 学历背景准备化工、材料科学、化学专业本硕最对口。如果你本科是化工但硕士转了材料，或者反过来，都是加分的——Kim自己就是材料出身做化工。GPA和排名在宾大工学院属于基本门槛，建议至少Top 10%或GPA 3.6+。
2. 核心技能准备电化学实验操作是硬门槛——你得会用电化学工作站（比如CHI或Gamry），熟悉循环伏安法、线性扫描伏安法、计时电流法这些基本技术。材料表征方面，XPS、TEM、SEM至少要有一两项的实际操作经验。如果你还懂一些Python数据分析或者用过DFT计算软件（VASP、Gaussian），那在套磁信里一定要提到。
3. 申请材料准备Research Proposal一定要聚焦在电催化或界面化学方向，不要写得太宽泛。建议提到Kim最近关于界面液体调控的工作，说明你读过他的论文并有具体的延伸想法。套磁邮件里可以提到你对Packard Fellowship获奖研究的关注——这说明你做了功课。
谁适合申 / 谁不太适合申
更适合：化工/材料/化学背景，有电化学实验经验，对能源催化方向有明确兴趣，愿意花大量时间在实验室做实验。如果你在本科或硕士阶段做过CO₂电还原、水电解、燃料电池相关的实验，匹配度很高。有一两篇论文发表（哪怕是非一作）会显著提升竞争力。
不太适合：纯做DFT计算/理论模拟且不打算转实验的同学；想做有机合成或生物化学方向的同学；对美国5年PhD学制有顾虑的同学。另外，Kim组目前规模不算大（约5名PhD），如果你更想进一个二三十人的大组，这里可能不合适。
最后问大家一个问题：你觉得选导师时，导师的"学术血统"（博士学校+博后学校）重要，还是导师自己拿到的独立PI阶段的奖项（比如Packard、NSF CAREER）更重要？评论区聊聊，我很想听听大家的看法。
