精品资源
基于钛合金丝材的增材制造技术研究进展
摘要：金属增材制造技术自诞生以来，经快速发展，已在诸多领域得到了广泛的应用，被列入决定未来经济的十二大颠覆性技术之一。基于丝材的金属增材制造技术由于其沉积效率高、制造成本低、制造周期短和材料利用率高，近年来成为国内外研究和应用的热点。本文以钛合金丝材为原材料，针对广泛采用的电弧/等离子弧熔丝、电子束熔丝和激光熔丝增材制造技术，分别从成形工艺参数优化、宏微观组织结构分析、后热处理组织性能调控及专用原材料开发等方面所取得的最新研究成果进行了详细论述。在此基础之上，介绍了基于钛合金丝材的增材制造在工程化应用及相关标准规范的制定情况。最后，指出钛合金丝材增材制造技术在组织和性能等方面存在的固有不足， 提出了采用锻造+增材复合成形复合后处理和专用丝材研制等方法，并建立有别于传统锻造和铸造的新标准体系，有助于推广其在各领域的大规模应用。
我国海洋装备产业链高质量发展战略研究
摘要：海洋装备产业链环节众多、长且复杂，是保障海洋经济安全的重要内容。我国海洋装备产业链市场、订单“两头在外”，关键核心技术和配套设备较多依赖进口，一旦受到国际格局影响可能面临“断链”风险，因而海洋装备的自主可控与创新发展对保障产业链安全、促进高质量发展意义重大。本文提出了海洋装备产业链图谱的研究构思，遴选出海洋运载装备、海洋油气装备两类重点领域，梳理了相关产业的国际总体格局、国内基本现状，厘清了我国海洋装备产业链上主要环节的发展形势和面临的挑战，论证了我国海洋装备产业链发展的思路与目标，海洋运载装备、海洋油气装备产业链上主要环节的突破方向。在我国海洋装备产业链上，原材料、总装建造属于优势环节，研发设计、配套属于劣势环节，尤其是高端船舶、深水油气开发装备的自主保障能力不足；建议采取由政策扶持扩大海洋装备内需、锚定高端海洋装备创新研发优势方向、加强国际合作带动“外循环”等方式，推动海洋装备产业链高质量发展。
低温锂离子电池的动力学挑战及解决策略
摘要：锂离子电池(LIB)应用领域广泛，但其在低温条件下容量、倍率和寿命等指标严重下降，极大限制了LIB在低温领域的应用。造成LIB低温性能差的因素有很多，其中发生在电极/电解质界面附近的微观过程，特别是低温下固态电解质界面(SEI)附近锂离子(Li+)脱溶剂化能垒增大以及Li+通过SEI的缓慢传输对LIB的低温性能起着决定性作用。因此，低温电解液的改进与发展对低温LIB的进一步应用具有重要意义。从限制低温LIB动力学的因素着手，分析其低温速控步骤，并探讨了溶剂、盐、添加剂在不同电池体系中改善低温性能的机制和规律，期望从电解液设计的角度为下一代低温LIB的研究提供借鉴。
我国人工智能芯片发展探析
摘要：人工智能（AI）芯片是支撑智能技术发展的核心硬件，其技术进步对国家科技创新、产业发展、经济增长具有重要意义。本文从云端智能芯片、边端智能芯片、类脑智能芯片3个方面总结了AI 芯片的国际发展趋势，分析了我国AI芯片的应用需求，从芯片设计、制造、封装、测试等方面梳理了相关产业与技术的发展现状及趋势。当前，国产AI芯片的性能、技术、产业链存在短板，亟需开展自主创新与产业协同；国产AI芯片开发面临高成本、长周期的挑战，亟需平衡融资压力并积累发展经验；国内AI芯片领域人才短缺，亟需提高培育质量并控制流失率。为此，论证提出了我国AI芯片的发展路径，即突破技术瓶颈、加速产业化、拓展国际化、实施市场扶持，重点采取技术创新和重点项目建设、新型芯片架构和开源产业生态建设、技术标准体系制定、“产教研”融合等举措，以推动我国AI芯片产业可持续和高质量发展。
铝离子电池电解质的研究进展
摘要：由于社会的快速发展，人们对二次离子电池的要求日益提高。铝离子电池具有成本低、安全性高、循环性能好等优点，是未来替代锂离子电池的理想储能体系。电解质作为电池系统重要组成之一，起到传输离子、连通电路的作用，对电池性能具有直接影响。因此，设计和制备具有良好综合性能的电解质一直是铝离子电池领域的研究热点。本文对目前铝离子电池的液态电解质、无机固态电解质和聚合物电解质的研究现状进行了总结，从成本、电化学窗口、化学稳定性和离子电导率等方面对它们的性能进行了分析，并对未来铝离子电池电解质的发展方向进行了展望。
材料研发大数据系统在钢铁材料研发中的应用
摘要：在材料智能研发的大背景之下，结合材料研发的痛点、卡点与难点建设了一套材料研发大数据系统平台。该平台整合了诸如高通量集成计算平台、智能实验室管理系统、生产大数据系统等多个子系统，借助这一平台，科研人员可通过数字化手段，充分借鉴以往研发失败的经验教训，迅速锁定产品及工艺开发的关键所在，进而快速提升研发效率。同时，该平台能够对研发数据进行集中管理与应用，推动材料研发向数据驱动研发的全新模式转变。通过开展研发大数据平台的相关建设工作，冶金材料研发的数据管理水平与应用水平将会得到大幅提升，引导钢铁材料研发从传统的试错法逐步转向大数据分析方法，极大缩短研发周期，降低研发成本。
