苹果iPhone 16 Pro系列可能采用全新抛光钛金属表面处理

来自韩国的最新传闻称，苹果 iPhone 16 Pro 系列机型将采用改进的钛金属加工和染色工艺。Naver 博客上的新闻聚合账户“yeux1122”表示，这种新工艺将使 iPhone 16 Pro 和 iPhone 16 Pro Max 的外观比采用磨砂处理的 iPhone 15 Pro 机型更加光滑亮丽。据称，改进后的制造工艺将带来类似于此前 Pro 系列 iPhone 所使用的亮面不锈钢材质的外观，但同时新工艺的钛金属也会比不锈钢更耐刮蹭。

应用进展 2024年04月01日 0 点赞 0 评论 502 浏览

压实升级至2.65克每立方厘米，常州锂源推出四代高压实磷酸铁锂产品

随着技术的不断进步和应用场景的不断拓宽，电池厂商对高压实正极材料的需求日益强烈。无论是储能系统还是动力电池，高压实技术都成为了材料应用的重要门槛。高压实不仅意味着材料性能的显著提升，更是实现能源高效、稳定、存储的关键。为此，常州锂源4月18日发布了最新研发的四代高压实磷酸铁锂S501，以其卓越的压实性能，为新能源市场带来了突破。

应用进展 2024年05月17日 0 点赞 0 评论 503 浏览

钙钛矿太阳能技术向柔性化的转变综述

应用进展 2025年02月12日 1 点赞 0 评论 505 浏览

胶体体卤化铅钙钛矿量子点：从合成到应用

可控条件下制备的胶体半导体纳米晶体有助于对量子现象更好的研究和利用，并且可以扩大其生产规模用于商业用途。这些量子点材料在超高清显示、太阳能电池、量子计算、生物成像、光通信等产业有广泛的应用。在过去的十年中，卤化铅钙钛矿纳米晶体作为高效半导体迅速崭露头角。尽管大多数研究集中在弱到中等限制区域的大纳米晶体上，强限制区域（尺寸小于铅卤钙钛矿的激子玻尔直径，范围为4-12纳米）的量子点（QDs）提供了独特的机会，包括偏振光发射和在单一卤化物组成的钙钛矿中无法实现的区域内纯色且稳定的发光。基于此，本文第一作者Junzhi Ye博士(英国牛津大学)，通讯作者Lakshminarayana Polavarapu教授（西班牙维戈大学）和Robert L.Z. Hoye教授（英国牛津大学）在Chemical Society Review上发表教程综述。

应用进展 2024年06月21日 1 点赞 0 评论 514 浏览

厚度0.2mm，河南钢铁集团冷轧薄规格轧制水平突破厚度设计极限

近日，河南钢铁集团安阳基地冷轧（公司）作业部成功轧制0.2mm冷轧带钢，大幅度超出酸轧机组轧制厚度设计极限，实现重大突破，该产品轧制水平在行业同类机组处于领先地位。

应用进展 2024年03月01日 0 点赞 0 评论 520 浏览

钙钛矿在显示技术领域大放异彩

应用进展 2024年12月13日 1 点赞 0 评论 527 浏览

“镁合金锻造轮毂”被两部委列为重点应用示范产品，产业链协同推进应用

近日，工信部、国务院国资委两部门印发《2023年度重点产品、工艺"一条龙"应用示范方向和推进机构名单的通知，启动2023年重点产品、工艺"一条龙"应用示范工作。经自愿申报、专家评审、征求意见等环节，确定了2023年度36项重点产品、工艺"一条龙"应用示范方向、推进机构和参与单位名单，并正式公布。

应用进展 2024年03月01日 0 点赞 0 评论 591 浏览

柔性传感器技术——汽车智能化发展的感知新动能

汽车传感器按照其应用的主要领域分为车身感知传感器和环境感知传感器两类。车身感知传感器主要用于获取胎压、车速等车身信息，可提高单车的信息化水平，使车辆具备感知自身状态的能力，从而作出决策并执行。环境感知传感器用于实现单车对外界环境的感知能力，帮助车辆获得环境信息并做出决策，为智能化自动化驾驶提供支持。

应用进展 2024年03月22日 1 点赞 0 评论 612 浏览

人工智能在材料领域的应用情况与近期成果

人工智能在材料领域的主要应用包括材料发现和设计、材料特性预测和模拟、材料制备和工艺控制、材料性能评估和优化、材料质量控制和缺陷检测等。

应用进展 2024年07月02日 1 点赞 0 评论 625 浏览

机器学习加速太阳能光催化剂的发现

基于结构-性能-活性关系的材料筛选是光催化研究中的一个热点问题。本文介绍了利用机器学习技术来辅助寻找太阳能光催化剂的前景。机器学习技术极大地促进了科学和工程领域的研究，包括多相催化、但在光催化研究中的应用还处于初级阶段，缺乏一致的训练数据是一个主要的瓶颈，作者预见将光催化领域的知识集成到传统的机器学习协议中是一个可行的解决方案，本文提出一个整合机器学习与领域知识的整体架构，以设定加速光催化剂发现的方向。本文首先讨论了光催化领域中的知识，这些知识可以用来与机器学习方法相结合。接着介绍了在多相催化领域中流行的机器学习实践，这些实践旨在以纯数据驱动的方式来帮助发现光催化剂。最后提出了用光催化领域知识来补充数据驱动机器学习的各种策略。这些策略包括：（1）在机器学习模型的训练过程中综合理论知识和先验经验知识，（2）将这些知识嵌入到特征空间中;以及（iii）利用现有的材料数据库来约束机器学习预测。（利用人类和机器智能）可能减轻与数据驱动的机器学习相关联的可解释性和可靠性的缺乏，这一概念还可以通过促进从传统的光催化信息学范式向传统的光催化信息学范式的转变，为光催化信息学提供实质性的好处。

应用进展 2024年11月06日 1 点赞 0 评论 685 浏览