电池
-
Acta Mater.: 机器学习辅助开发用于低温应用的Fe2P型磁热化合物
Fe2P型化合物表现出磁热效应(MCE)并被广泛研究用于室温应用,将其转变温度降低到77 K以下时可为这些材料在低温磁制冷氢液化方面的潜在应用铺平道路。 在此,日本国立材料研究所H…
-
洛桑联邦理工JACS: 基于机器学习预测化学位移从头确定晶体结构
确定粉末状固体的3D原子级结构是当前化学的关键目标之一。固态NMR化学位移可以用来解决这个问题,但受到与晶体结构预测方法和DFT化学位移计算相关的高计算成本的限制。 在此,瑞士洛桑…
-
华科徐明教授InfoMat: 机器学习揭示硫属化物玻璃中间隙态的结构起源
3D半导体集成技术的最新发展需要一个关键部件,即双向阈值开关(OTS)选择器来抑制高密度存储芯片中的电流泄漏。然而,现有OTS材料性能不尽如人意。通常由硫属化物玻璃制成的OTS材料…
-
大化所李先锋/尹彦斌AEM:可在-60℃下运行的高功率水系锂离子电池-溴电池!
由于电解质的低电导率和电极材料的缓慢动力学,水系锂离子电池通常在低温下受到限制。 中科院大连化物所李先锋、尹彦斌等报道了一种由溴化锂和四丙基溴化铵(TPABr)组成的定制功能化电解…
-
中南张治安AM:多功能蛋白质基粘结剂赋予高压正极稳健的人工界面
长期以来,电极/电解质界面不稳定、反应动力学缓慢和过渡金属(TM)溶解等多重问题极大地影响了钠离子电池正极材料的倍率和循环性能。 中南大学张治安等开发了一种基于蛋白质的多功能粘结剂…
-
鲁东大学陈雪叶Nanoscale: 通过机器学习智能控制纳米颗粒合成
纳米颗粒的合成受许多反应条件的影响,其性质通常由其尺寸、形状和表面化学等因素决定。为了使合成的纳米颗粒具有适用于不同领域(如光学、电子学、传感器应用等)的功能,对其性能进行精确控制…
-
德州农工大学Acta Mater.: 机器学习用于快速评估高熵合金的弹性性能
高熵合金(HEAs)是一类新型材料,具有有趣的电子特性和优异的机械性能。基于耐火材料的HEA(RHEA)是一类特殊的HEA,显示出巨大的应用潜力。然而,过高的计算成本和第一性原理方…
-
张山青/林展NML: 环己烷十二醇添加剂实现稳定高性能的锌负极!
水系锌离子电池(AZIBs)具有不易燃、低成本和可持续的特点,是最有前途的电化学储能装置之一。然而,AZIBs存在诸多挑战,包括在充放电过程中的枝晶生长、析氢、腐蚀和锌负极的钝化,…
-
金辉乐/侴术雷AFM综述: 水系铵离子电池的研究进展
在各种水系电池系统中,水系铵离子电池(AIBs)以其资源可承受性和极具竞争力的电化学性能等独特优势,在未来大规模智能电网应用的低成本储能系统中显示出巨大潜力并受到了广泛研究。然而,…
-
孙靖宇/杨先中/薛载坤AFM: 用于稳定锌负极的MXene修饰的Janus隔膜
隔膜改性最近已成为一种有效的策略,可以实现无枝晶的锌金属负极。尽管如此,目前探索的途径仍不利于量产,对隔膜调控的本质关注甚少。 为此,苏州大学孙靖宇教授、杨先中及薛载坤等人通过在商…