Juan Bisquert nació en Düsseldorf (Alemania) y se crio en Dénia, en la Comunitat Valenciana. Se licenció en Física en la Universitat de València, donde se doctoró en 1991 con una tesis sobre polímeros semiconductores de tipo donador-aceptor.

Inició su carrera académica en la Universidad de Castilla-La Mancha, en el campus de Albacete, donde fue profesor entre 1987 y 1991. Ese mismo año se incorporó a la Universitat Jaume I de Castelló de la Plana, donde desarrolló una trayectoria docente e investigadora, primero como profesor titular y más adelante como catedrático de Física aplicada. En esta universidad fundó y dirigió el Instituto de Investigación en Materiales Avanzados (INAM) entre 2015 y 2020.^[1]​

En 2024 fue nombrado Investigador Distinguido en el Instituto de Tecnología Química (ITQ), centro mixto del CSIC y la UPV, donde actualmente lidera el grupo de investigación PROFUND (Processing Functional Ionic-Electronic Devices), dedicado al desarrollo de materiales funcionales para energía renovable e inteligencia artificial, con énfasis en dispositivos fotoactivos y memristivos con acoplamiento iónico-electrónico.^[2]​

Desde 2017 preside la Fundació Scito, entidad dedicada a la promoción del conocimiento científico y tecnológico, desde la cual impulsa la plataforma internacional de congresos nanoGe.^[3]​^[4]​

Juan Bisquert ha desarrollado una extensa labor investigadora en el ámbito de la conversión de energía solar, los materiales funcionales y los dispositivos electrónicos con respuesta dinámica. En la Universitat Jaume I, fue director del Instituto de Investigación en Materiales Avanzados (INAM), donde lideró estudios sobre materiales, nanoestructuras y dispositivos para la producción de energía limpia, con especial énfasis en tecnologías como las células solares de perovskita.^[1]​

Entre sus contribuciones más destacadas se encuentra la aplicación del concepto de capacitancia cuántica (o capacitancia química) en dispositivos conductores nanoestructurados, así como el análisis de fenómenos de histéresis inductiva y capacitiva en sistemas fotoactivos. Estos enfoques han resultado clave para interpretar la dinámica eléctrica y los efectos de memoria en células solares y memristores.^[5]​

Bisquert ha publicado más de 400 artículos científicos en revistas internacionales indexadas^[6]​ y ha sido citado en más de 40 000 ocasiones. Desde 2014 figura de forma continuada en la lista de investigadores altamente citados *Highly Cited Researchers* del Instituto para la Información Científica (Clarivate Analytics).^[7]​

Es editor europeo de la revista Journal of Physical Chemistry Letters, publicada por la American Chemical Society,^[8]​ y ha sido miembro del consejo editorial de publicaciones científicas como ChemElectroChem o Journal of Environmental Science and Sustainable Energy.

También ha escrito varios libros de referencia sobre dispositivos fotoelectroquímicos y teoría de materiales funcionales. Entre ellos destacan: Nanostructured Energy Devices. Equilibrium Concepts and Kinetics,^[9]​ Nanostructured Energy Devices: Optoelectronics and Carrier Transport,^[10]​ y Photoelectrochemical Solar Fuel Production, publicado por Springer.^[11]​

En los últimos años, su investigación se ha centrado en el desarrollo de dispositivos memristivos y neuromórficos para computación bioinspirada, integrando funcionalidades de memoria, aprendizaje y procesamiento de señales. Esta línea se enmarca en el proyecto europeo PeroSpiker, financiado por el ERC, del que es investigador principal, y que explora arquitecturas de redes de espigas (spiking networks) mediante dispositivos basados en perovskitas.^[12]​^[13]​

Su grupo investiga dispositivos que combinan conducción iónica y electrónica, como memristores y transistores híbridos, con respuestas dinámicas complejas —histéresis, bifurcaciones, adaptación conductual— que permiten emular funciones de neuronas artificiales en circuitos bioinspirados. Uno de los modelos desarrollados, CALM (Conductance-Activated Quasi-Linear Memristor), describe la activación gradual de la conductancia mediante transiciones electrónicas e iónicas acopladas.^[14]​

Este enfoque ha sido presentado en publicaciones científicas y foros internacionales como Neuronics25, con trabajos centrados en las propiedades dinámicas de memristores y osciladores neuromórficos, espectroscopía de impedancia y bifurcaciones tipo Hopf aplicadas al modelado de neuronas artificiales.^[15]​^[16]​