María Chan

Maria Kai Yee Chan es una científica de materiales estadounidense del Laboratorio Nacional Argonne . Su investigación abarca las aplicaciones del aprendizaje automático a los nanomateriales y las energías renovables , incluyendo la predicción de propiedades de materiales, la integración del modelado computacional con la caracterización mediante rayos X, electrones y sonda de barrido, y la recuperación de datos de microscopía y espectroscopía de la literatura publicada. ^{[ 1 ] [ 2 ] [ 3 ]}

Chan se interesó por la física a los 11 años tras leer un libro sobre la relatividad . ^{[ 4 ]} Tiene una licenciatura en física y matemáticas aplicadas de la Universidad de California, Los Ángeles , y un doctorado en física del Instituto Tecnológico de Massachusetts . ^{[ 1 ]} Su tesis doctoral de 2009, Predicción y optimización atomística y ab initio de propiedades termoeléctricas y fotovoltaicas , fue dirigida conjuntamente por Gerbrand Ceder y John Joannopoulos . ^{[ 5 ]} Se unió al Laboratorio Nacional Argonne como investigadora postdoctoral antes de continuar allí como investigadora titular. ^{[ 4 ]}

En Argonne, Chan trabaja en el Centro de Materiales a Nanoescala y desarrolla enfoques que combinan simulaciones atomísticas con caracterización experimental. Es investigadora principal del Instituto Northwestern-Argonne para la Ciencia y la Ingeniería ^{[ 6 ]} y miembro del Consorcio de la Universidad de Chicago para la Ciencia y la Ingeniería Avanzadas ^{[ 7 ]} . También es editora asociada de Chemistry of Materials ^{[ 8 ]} y forma parte de los consejos asesores de APL Machine Learning ^{[ 9 ]} , el programa aiM-NRT de la Universidad de Duke y el Centro de Investigación de Fronteras Energéticas CEDARS ^{[ 10 ]} . Como parte de un premio DOE Early Career Award, lideró el desarrollo de FANTASTX, un marco para determinar estructuras atómicas a partir de mediciones de rayos X, electrones y sonda de barrido ^{[ 3 ] .}

Fue elegida miembro de la Sociedad Estadounidense de Física (APS) en 2024, tras una nominación del Grupo Temático de la APS sobre Investigación y Aplicaciones Energéticas, "por sus contribuciones a las innovaciones metodológicas, los desarrollos y las demostraciones orientadas a la integración del modelado computacional y la caracterización experimental para mejorar la comprensión y el diseño de materiales de energía renovable". ^{[ 11 ]}

• Publicaciones de Maria Chan indexadas por Google Académico