机器学习用于预测通过 CMPA 技术色谱分离的手性分析物保留时间
聚焦色谱学领域核心难题，针对手性对映体分离分析中，手性流动相添加剂（CMPA）技术需大量试错实验、耗时且成本高的痛点，以机器学习技术赋能手性分析物保留时间预测
基于多指标血气分析的早产儿视网膜病变（ROP）风险预测
过分析早产儿的胎龄、出生体重及血气等多维指标，构建早产儿视网膜病变早期风险预测模型。研究基于机器学习与数据科学方法，对血气与体征数据进行特征提取与建模，采用 RF、XGBoost、CatBoost、MLP 等算法评估关键指标对ROP发生的影响，并利用可解释性分析揭示主要风险因素。
液-液手性萃取剂
与湖南科技大学刘雄教授开展科研合作，运用人工智能技术开发液-液手性萃取剂，用于制备单一对映体，从而解决手性药物在立体选择性上的差异问题。