Dr. Prajay Patel获得了化学和数学的本科教育
他在德克萨斯大学阿灵顿分校工作. 在大学期间，他有过这样的机会
为了学习计算化学，这是一个化学，物理，
数学和计算机科学. 这种经历伴随着
作为数学系和化学系的导师是激励因素
2014年完成课程后继续研究生学习. 在大学里
他加入了安吉拉·K. 威尔逊的团队，并跟随一项行动
2016年进入密歇根州立大学，专注于开发和应用
有效的量子化学策略的高精度热化学和
有机金属催化. 2019年获得博士学位后，他开始了博士后研究
预约医生. 刘聪博士. 阿贡国家实验室的Massimiliano Delferro
他的工作是模拟表面有机金属催化剂的x射线吸收光谱
使用数据科学方法.
Dr. 帕特尔于2022年8月加入该学院，主要教授物理化学 顺序与法医化学课程的基本思路. 专题课程 他将开发和教授的课程包括计算化学和科学Python 数据可视化.
帕特尔的研究
帕特尔小组的研究领域是计算化学，这是一个 化学是化学、数学、物理和计算机科学的交叉学科 利用计算机解决化学问题. 随着计算机的不断发展 从硬件到软件，计算化学已经成为化学不可或缺的组成部分 它提供了对化学过程和结构的宝贵见解，以及预测 难以用实验测量的性质. 这是最有益的 这个领域的方面是调查广泛挑战的能力，其中 包括计算和化学信息学方法的发展和理解 研究过渡金属，有机反应，以及热力学和光谱学 元素周期表中分子和复合物的性质.
催化
我们主要关注表面有机金属化学(SOMC)和如何催化设计
非晶态支撑体可以通过调节来影响热力学和动力学
针对聚合物升级回收的催化反应，这有助于减少塑料废物
更新塑料制品.
化学informatics
随着人工智能(AI)技术在日常生活中越来越普遍，
广泛探索化学领域是一个相对较新的前沿领域，而且将会起到引领作用
加强对化学过程和结构的描述. 我们小组的研究
着重于理解分子结构之间的基本关系
以及各种化学性质，如药物类分子的pKa和峰
和吸收光谱的强度. 本文重点研究了集成方法
从量子力学(QM)、分子动力学(MD)和机器学习(ML)到
预测类药物分子的热化学性质. (转载自《云顶集团》. 化学.
化学. 理论物理.获得PCCP业主协会的许可.)
合作研究
帕特尔小组正在与阿贡国家实验室的科学家进行合作
实验室(ANL)专注于模拟各种催化反应，包括单
聚合物升级回收的原子催化剂和燃料电池的电催化剂.
我们也与化学系的其他教员合作. 这包括 芳硼化学和染料降解反应网络的建模 关于半导体材料.
本文主要研究使用锂离子电池材料作为可调支撑 单原子催化剂. (经ACS catalal许可转载., 2022, 12, 7233-7242. 版权所有2022年美国化学学会)
选定的出版物
(谷歌学术搜索:http://scholar.谷歌.com/citations?hl = en&用户= M-09UlAAAAAJ)
1. 德雷伯,M. R.; Waterman IV, A.; Dannatt, J. E.; 帕特尔,.*多尺度集成
和机器学习方法对SAMPL9 LogP挑战，物理. 化学. 化学.
理论物理., 2024, 26, 7907-7919. http://doi.org/10.1039 / D3CP04140A.
2. 帕特尔,.*; Pillai, N.; Toby, I. 人工智能的无边界思维
生物信息学与教育，前沿. Bioinform., 2024, 3, 1332902. http://doi.org/10.3389 / fbinf.2023.1332902.
3. 徐,我.; Lund, C; Kim Y.; 帕特尔,; Liu, C. 计算建模的最新进展
负载型单原子和簇催化剂:表征，催化剂-载体
化学工程学报，2009,32 (2):444 - 444. http://doi.org/10.3390 / catal14040224.
4. 帕特尔,.; Wells, R. H.; Kaphan, D. M.; Delferro, M.; Skodje, R. T.; Liu, C. 计算
负载型有机钒活性位点非均质性的研究(III)
加氢催化剂. ACS Catal.浙江农业学报，2021,11 (12)，7257-7269 http://doi.org/10.1021 / acscatal.1c00688.
5. 帕特尔,. 威尔逊，A. K. 基于域的局部对自然轨道方法
相关性一致复合方法. J. 第一版. 化学., 2020, 41, 800–813.
http://doi.org/10.1002 / jcc.26129.