研究AI驱动的量子材料逆向设计方法，聚焦从目标物性出发的材料结构与成分生成。重点解决材料性能预测、结构逆向推断、候选材料筛选与优化以及面向量子体系的生成模型构建等问题。

探索非常规磁性与拓扑量子态的形成机制，构建具有独特自旋结构与非平庸拓扑特征的量子材料理论框架。研究强关联体系中的新型磁性相、拓扑相变、拓扑激发以及其在量子输运与量子信息中的潜在应用。

研究自然轨道重整化群（NORG）方法，聚焦以自然轨道为基底的多体态压缩与高效求解。重点解决强关联体系的有效子空间构建、能谱与基态精确计算、相关性分析以及面向大规模量子多体问题的可扩展算法设计等问题。

在材料科学这一特定领域构建具备知识理解、结构生成、性能预测与实验建议等能力的专用大模型体系。其核心目标是将材料数据库、量子化学计算、实验数据与文献知识整合，通过多模态预训练、物理引导的模型结构以及生成式推断技术，加速新材料的设计、筛选与验证。该类模型强调跨尺度知识融合、从目标性能反推材料结构的逆向设计能力，以及与高通量计算和自主实验平台的协同，从而形成面向材料创新的智能化闭环。

聚焦非常规超导体系中电子关联与配对相互作用的微观起源。重点解决高温超导配对机制的统一描述、关键低能有效模型构建，以及结合第一性原理与数据驱动方法的高通量材料筛选BCS高温超导体。

聚焦强电子关联体系在非平衡条件下的瞬态演化与多自由度耦合动力学。重点解决超快激发下电子‑电子、电子‑声子及自旋相互作用的时间尺度分离与协同演化、瞬态能带与有序参数的动力学重整化、非平衡态谱函数与相干性演化表征，以及面向真实材料的可扩展非平衡多体理论与数值方法设计等问题。