大数据挖掘在高纯度四氟化碳表面刻蚀技术中的应用实践

摘要:[目的]探究在解决高纯度四氟化碳(CF4)表面刻蚀技术相关实践问题的背景下,应用现代信息技术挖掘高性能金属-有机框架(MOF)材料以解决现实问题的实践,增强获取和分析MOF 材料数据的能力。[方法]先掌握基本的高通量计算技术和机器学习知识,再运用Zeo++软件和RASPA 软件包下巨正则蒙特卡罗(GCMC)模拟获得MOF 晶体结构数据,并通过4 种较为常用的机器学习算法对数据进行训练,最后上机实践。[结果]最为可靠的是基于树的管道优化工具(TPOT)和轻量级梯度提升回归(LGBM)算法,其决定系数(R2)都达到0.9 以上,以最优的TPOT 算法分析MOF 材料各个描述符对CF4 吸附量的相对重要性后发现孔隙率的影响最大。筛选出吸附能力最强的5 种MOF 材料,分析得到其结构描述符的规律。[结论]经过培训实践,初学者加深了对MOF 晶体材料微观结构的认识,提高了运用信息技术手段获取数据、分析数据的能力。本文提出的以实际难点为导向,利用信息技术方法解决化工领域问题的实践模式得到了有效验证。

氧化石墨烯环氧涂层的制备及阻氢性能研究

摘要:[目的]氢能被认为是当今最具发展潜力的二次清洁能源,但在运输中面临的金属氢脆问题有待解决。[方法]通过2,6−二氨基吡啶的氨基与GO 的羧基、环氧基等含氧基团形成共价键,得到改性氧化石墨烯(BGO),再将其与环氧树脂(EP)混合而制得BGO/EP 复合涂层,以提高其阻氢性能,同时兼具良好的耐蚀性和附着力。[结果] X 射线衍射(XRD)和傅里叶变换红外光谱(FT-IR)的表征结果证实了2,6−二氨基吡啶对氧化石墨烯的改性成功。电化学测量结果显示BGO/EP 复合涂层的阻抗可达 108 Ω/cm2 量级,界面反应阻力高,耐蚀性良好。氢渗透及氢含量测试显示,在EP 涂层中加入BGO 令氢渗透电流密度从3.62 μA/cm2 降低到0.61 μA/cm2,氢通量和氢扩散系数显著降低。[结论] BGO/EP 涂层能有效阻隔并抑制氢的渗透,为高性能阻氢防腐涂层设计提供了新路径。

AI驱动的材料发现:生成式模型与晶体逆向设计进展

摘要:晶体材料的逆向设计一直是材料科学面临的重大挑战,近年来生成式人工智能技术的发展为解决这一难题带来了新的契机。本文围绕晶体表示方法与生成模型架构两大核心问题,系统综述了该领域的最新研究进展。在晶体表示方法方面,重点评述了文本符号化表示、几何图周期性编码以及像素的实验成像与计算像素化等方法,深入分析了这些方法在可逆性、不变性和对称性编码等关键技术特性上的优劣。在生成模型架构方面,按照技术演进路线,详细介绍了基于潜空间的变分自编码器和生成对抗网络、扩散或流匹配的联合生成模型,以及Transformer 自回归模型的工作原理与应用现状。最后,针对当前面临的表示方法优化、缺陷材料建模和评估标准统一等关键科学问题,本文展望了面向工业应用的未来发展方向,旨在为晶体材料智能设计提供系统性的理论参考。

数据驱动与机器学习辅助的硫系相变材料研究进展

摘要:硫系相变材料(Phase Change Materials, PCMs)因其独特的电学和光学特性而被广泛研究。PCMs 已被成功应用于各类光盘,并在数据存储领域取得显著进展,例如相变随机存取存储器(Phase Change Random Access Memory, PCRAM)。此外,PCMs 在光子学领域展现出良好的应用前景,可用于调控光的传播与相互作用;同时也适用于模拟人脑功能的神经拟态计算系统。本综述全面总结了大数据分析与机器学习方法辅助下的PCMs 相关研究:高通量计算与机器学习模型可以实现最优掺杂剂筛选与相变材料性能预测;机器学习势函数可以深化对相变材料的相变动力学及热力学特性的理解;在PCRAM 器件级模拟与设计中,机器学习在存储器优化及PCMs 神经拟态计算潜力挖掘方面发挥了关键作用。最后,总结了PCMs 的未来研究方向与当前面临的挑战。

材料领域知识嵌入的分而治之机器学习

摘要:纯数据驱动的机器学习能够快速挖掘复杂材料数据隐含的科学规律。然而,“成分–结构–工艺–性能”组成的复杂材料构效关系使得机器学习难以准确剖析其内在/外在因素的作用机理,这导致模型精度、建模复杂程度及其可解释性面临严峻挑战。因此,本工作提出了一种材料领域知识嵌入的分而治之机器学习建模策略,旨在依据领域知识将复杂材料问题进行有效拆解并利用领域知识嵌入的机器学习对拆解后子问题进行针对性的自适应建模,以精准且具有一定可解释性的方式挖掘其内部隐藏作用机理。同时,利用变分推断验证该策略的科学性与有效性。进一步,总结了在材料科学领域中依据不同领域知识进行“分而治之”机器学习建模的应用示例。最后,展望了该策略未来所面临的挑战及对策。

从生物矿化到碳矿化:仿生材料制备新策略

摘要:自然界历经数十亿年的自然选择,孕育出具备精妙微观结构、优异力学性能与独特功能特性的生物材料,其温和的制备过程和极高的资源利用效率,为人造材料的发展提供了重要借鉴。然而,当前关于仿生材料的研究存在性能与能耗之间的矛盾,呈现出“性能优先”与“工艺滞后”的失衡局面。而碳矿化材料作为一种将气态CO2 矿化转化为固态碳酸钙的新型无机非金属复合材料,具有反应条件温和、高强高耐久、组成结构可调控等优势,又称为可设计的人造石材,即Engineered LimeStone(ELS),成为仿生材料绿色制备的理想载体。本文总结了仿生材料制备的最新研究进展,综合分析了性能、能耗、效率等指标,并对仿生材料的未来发展趋势进行展望,提出了基于碳矿化体系的仿生材料制备策略。

过渡金属基材料电催化HMFOR机理及研究进展

摘要: 5-羟甲基糠醛(HMF)作为重要的生物质平台分子,因其电化学氧化反应(HMFOR)具有低于析氧反应(OER)的理论电位并且可以生产高附加值产物,已成为电催化转化领域的研究热点。过渡金属基材料凭借其优异的催化性能、丰富的储量以及低廉的价格等优势,被视为HMFOR的理想催化材料。总结了电催化HMF转化为2,5-呋喃二甲酸(FDCA)的反应路径和氧化机制,重点综述了Ni、Co、Cu、Fe四种典型过渡金属基材料催化HMFOR的机理和研究进展。此外,介绍了HMFOR与析氢反应(HER)的双功能过渡金属基催化剂的研究现状,并对当前研究存在的关键问题和未来发展方向进行了讨论与展望。

微纳米气泡及其气-液界面特性

摘要:微纳米气泡(micro-nano bubbles, MNBs)是指分散于水相、油相或固体基质中,特征尺寸处于微米级至纳米级范围的气泡。与毫米级气泡相比,微纳米气泡具有高比表面积、优异稳定性以及自发产生活性氧(ROS)等独特性质。高比表面积赋予了微纳米气泡体系极高的气-液界面密度,结合其优异稳定性可显著提高气-液传质效率,在化工过程强化、药物靶向输送及土壤修复等领域展现出巨大的应用潜力。微纳米气泡在气-液界面处自发产生的活性氧能够高效降解有机污染物,在废水处理领域展现出显著优势。此类活性氧还可进一步作为绿色合成反应中的活性中间体,在温和条件下实现多种高附加值化学品的高效合成。微纳米气泡从“强化传质”到“界面合成”的跨越,标志着该技术步入全新发展阶段。这一突破为开发清洁、绿色的化学工艺提供了新策略,具有重大的科学与工业价值。

多功能耦合辐射制冷材料的研究进展

摘要:被动式日间辐射制冷(passive daytime radiative cooling,PDRC)依托“大气透明窗口”实现零耗电散热,但传统静态光谱设计难以适应多气候条件与多样化应用需求。围绕PDRC 技术的多功能耦合发展路径,综述了其在智能热管理、能量收集及新兴功能集成3 个方向的研究进展。在智能热管理方面,介绍了温度、湿度被动响应及机械力、电主动响应机制,探讨了从“持续制冷”向“按需调控”的跨越路径;在能量收集方面,分析了辐射制冷与温差发电、摩擦纳米发电及大气水收集的协同策略,揭示了“冷却−发电−集水”一体化的增效机制;在新兴功能集成方面,介绍了光致发光、传感与结构色设计等耦合方案,阐述了解决着色与冷却性能矛盾、拓展应用边界的创新思路。在此基础上,指出了当前研究在材料性能权衡、长期稳定性、系统集成复杂度、经济性与环境适应性等方面面临的共性挑战。建议未来研究应聚焦于智能响应材料与高效能量转换结构的协同设计,建立多场景服役性能评估体系,推动多功能耦合辐射制冷技术向自适应、可规模化、多能互补的智能平台发展。

辐射制冷材料微纳结构设计及光谱调控

摘要:辐射制冷是一种新兴的零能耗制冷技术,深入研究和开发辐射制冷节能材料对解决能源危机和全球变暖问题具有重要意义。聚焦于辐射制冷材料的微纳结构设计及其对光谱调控的关键作用,研究材料结构对光散射、传播、共振等行为的调控,从而实现辐射制冷材料的多波段光谱优化。同时,梳理了辐射制冷材料的周期性、非周期性和仿生型微纳结构体系的设计原理、光谱调控策略及制冷性能突破,并总结了辐射制冷材料在光谱调控精准性、环境适应性、规模化制备和产业认知等方面面临的挑战。未来,辐射制冷材料的开发在平衡性能与成本、增强环境稳定性和统一测试标准的同时,在以下3 个方向具有较大的研究价值和应用潜力:微纳结构设计的多尺度精准协同与多功能集成、智能动态调控机制的深化、新型辐射制冷材料体系的开发,以期推动辐射制冷技术从实验室研究走向规模化应用。