首页期刊导航|中国科学：材料科学（英文）
期刊信息/Journal information
中国科学：材料科学（英文）
中国科学：材料科学（英文）
中国科学：材料科学（英文）/EISCI
正式出版
收录年代

    Editorial:special topic on computation-assisted materials screening and design

    Jinlan WangChenghua SunShaohua Dong
    1011-1013页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    电池衰减诊断及状态评估研究进展

    袁君秦之理黄海坤甘兴栋...
    1014-1041页
    查看更多>>摘要：锂离子电池(LIB)广泛应用于储能及动力输出等领域.准确预测电池的健康状态对于优化性能、降低运营费用和防止电池故障等方面具有重要的意义.本文对预测LIB的荷电状态(SOC)、健康状态(SOH)和剩余使用寿命(RUL)方面的最新发展进行了全面回顾,重点关注机器学习技术方面的研究进展,深入分析了LIB的退化机制及其基本理论,评估了各种传统方法及机器学习技术在预测SOC,SOH和RUL方面的优势和限制.此外,还探讨了电动汽车动力电池在实际应用中面临的挑战,特别是性能退化问题.最后提出了对LIB未来研究方向有价值的见解.尽管机器学习方法在提高预测SOC,SOH和RUL准确性方面具有巨大潜力,但在实际应用中仍然有许多技术和实际障碍需要克服.

    state of chargestate of healthremaining useful lifelithium-ion batteriesequivalent-circuit modelelectrochemical modelmachine learning

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    机器学习方法及应用:光电半导体材料计算设计

    杨晓雨周琨贺欣张立军...
    1042-1081页
    查看更多>>摘要：高通量计算与材料数据库推动了数据驱动的机器学习方法的发展.机器学习已经成为材料计算研究的重要方法,在分析材料数据、加速材料计算、预测材料性质、推进新材料发现、筛选和设计等方面展现出极大的潜力.众多与材料计算相交叉的机器学习方法、模型以及框架不断涌现.本文综述了近年来光电半导体材料计算设计领域内机器学习方法的最新进展与应用.介绍了机器学习的流程与类型,基于不同材料表示方法的浅层模型、集成模型和深度神经网络,以及相关材料数据库和相关工具.我们还讨论了这些模型在预测材料稳定性与光电性质、材料逆向设计、构建材料构效关系等方面的应用.最后,本文对目前机器学习方法存在的机遇与挑战,即数据数量与质量、材料的表示、材料逆向设计做了进一步总结与讨论.

    machine learningcomputational materialsoptoe-lectronic semiconductor materials

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    机器学习原子间势在材料跨尺度计算模拟中的最新进展

    冉念殷亮邱吴劼刘建军...
    1082-1100页
    查看更多>>摘要：近年来,机器学习原子势(ML-IP)因其兼顾高精度和高效率的优势,在材料科学、化学、生物学等领域的大尺度原子模拟研究中引起了广泛关注.本文聚焦于ML-IP在材料跨尺度计算模型中的应用,全面介绍了ML-IP的结构采样、结构描述符和拟合方法.这些方法使ML-IP能够以高精度和高效率模拟分子和晶体的动力学和热力学特性.跨学科研究领域中更高效、先进的技术在开拓覆盖不同时间和空间尺度的广泛应用方面发挥着重要作用.因此,ML-IP方法为未来的研究和创新铺平了道路,为多个领域带来了革命性的机会.

    machine learning interatomic potentialcross-scale computational simulationstructure samplingencoding struc-turefitting method

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    密度泛函理论在氮还原反应催化剂设计中的应用进展

    代天一杨春成蒋青
    1101-1123页
    查看更多>>摘要：发展电化学氮气还原反应(NRR)的合成氨技术可以有效缓解工业上的哈伯-博什法合成氨的化石燃料消耗与碳排放问题.同时,氨是一种无碳的能源载体,NRR可以实现可再生能源的转换,因此具有广阔的发展前景.然而,高效催化剂的缺乏限制了 NRR技术的发展.为此,人们对开发高效催化剂进行了广泛的探索,其中密度泛函理论(DFT)计算在辅助催化剂设计方面发挥了重要作用.在本综述中,我们总结了最近的催化剂设计策略,这些策略的目的是提高NRR的催化活性和选择性.此外,本综述还回顾了具有代表性的计算工作,并对进一步改善催化性能提出了见解.最后,本综述简要讨论了通过DFT计算进行催化剂设计所面临的挑战和机遇.目的在于指导人们采用更有效的设计策略来实现高效的NRR过程.

    nitrogen reduction reactiondensity functional the-orymaterials designtwo-dimensional materialsmachine learning

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    酸性电解水催化剂的催化活性和稳定性展望

    王振斌
    1124-1128页
    查看更多>>摘要：在全球追求可持续清洁能源的背景下,电解水被视为一种高效生产氢气的方法,其效能极大依赖于催化剂的表现.设计实用催化剂时,活性和稳定性是至关重要的因素.尽管传统研究倾向于使用热力学活性来解释实验结果并指导新型催化材料的开发,研究催化剂的动力学活性和稳定性却未受到足够关注.本文分析了酸性条件下非贵金属催化剂在动力学活性和稳定性方面的局限,并提出了计算评估催化剂稳定性的标准化方法,同时探讨设计低成本、高效能催化剂面临的挑战.
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于机器学习的氮掺杂石墨炔力学性能预测

    张存杨博林彭志龙陈少华...
    1129-1139页
    查看更多>>摘要：氮掺杂γ-石墨二炔(N-GDY)因其在能源、电子元器件和催化领域具有重要应用前景而备受关注.研究表明,N-GDY在不同的氮掺杂情况下会表现出迥异的物理化学性质.由于氮掺杂的多样性,N-GDY的理论及应用研究受到了极大的限制.鉴于此,本文采用鄂维南等人提出的DeepMD方法训练得到了具有第一性原理精度、适用于N-GDY的机器学习势.利用该机器学习势,系统研究了氮掺杂模式对N-GDY力学性能的影响.研究发现,氮原子掺杂会导致N-GDY的抗拉强度降低.在单个碳链上掺杂氮原子时,N-GDY的抗拉强度随着氮原子掺杂位点到苯环的距离变小而减弱.相邻碳链氮原子共掺杂能够使N-GDY表现出更强的各向异性力学特征.本文研究结果对N-GDY在能源存储和柔性设备等领域的潜在应用提供了理论支持,同时也表明了机器学习势在从大规模数据集中学习并预测碳纳米材料复杂力学性质方面的潜力,为纳米材料设计及工程应用具有重要指导作用.

    γ-graphdiynenitrogen-dopingmechanical proper-tiesDeepMDmolecular dynamics

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    单原子在铝合金中的扩散迁移行为:可解释机器学习加速第一原理计算方法

    黄敬涛薛景腾李明伟程源...
    1140-1149页
    查看更多>>摘要：本文采用机器学习加速第一原理计算的方法,研究了铝基体中单原子的扩散迁移行为.建立铝基体中三十多种单原子扩散迁移行为的小样本数据集,以原子半径、离子半径和第一电离能等固有参数作为输入特征值,合金原子与空位之间的相互作用能以及合金原子在铝基体中的扩散势垒作为输出参数.通过相关性分析初步确定描述符与预测目标之间的关系,并利用递归特征消除法确定不同目标的输入特征和描述符数量.通过交叉验证证明所选模型的先进性,并进行微调以优化其性能.为了验证其效率和准确性,CatBoost模型经过了传统算法的严格测试.利用训练有素的模型预测周期表中其他单原子在铝基体中的扩散迁移行为.机器学习加速第一原理计算的结果可为进一步开发新型铝合金提供理论依据.

    single atomsdiffusion migration behavioralumi-num matrixmachine learningdensity function theory

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    采用改进的元胞自动机方法对三元Al-Si-Mg合金凝固微观组织进行数值模拟

    谭云骧赵海东许庆彦
    1150-1159页
    查看更多>>摘要：铝硅合金具有轻量化、高强度和易成形等独特优点.这些特性使得在低压压铸下能够生产大型、薄壁、复杂的铸件,这对于车辆轻量化至关重要.然而,这些合金的铸造过程容易产生缺陷,它们的性能与微观结构密切相关.认识到工艺、结构和性能之间的深层联系具有巨大的学术和工程价值.在本工作中,我们通过整合热力学、动力学和多元相图数据库,建立了一个改进的元胞自动机(ICA)模型.基于在阶梯铸件不同位置的冷却曲线和凝固组织,我们建立了适用于Al-7Si-xMg合金低压铸造的等轴晶形核模型.随后对该合金进行了低压铸造实验,微观结构演变的3D模拟结果与实验观察相吻合.我们进行了阶梯件低压铸造的实验,ICA模型准确地描绘了a-Al树枝晶,以及冷却速率对三元Al-7Si-xMg合金中晶核密度和树枝晶尺寸均匀性的影响.我们的模拟结果与实验数据表现出显著的一致性.此外,我们对SDAS与冷却速率之间的关系进行了全面分析.通过将ICA模型与LGK分析模型进行对比,验证了在评估树枝晶生长速率时ICA模型的精确性.这项工作为集成计算材料工程建立凝固-组织-性能的定量关系提供了理论指导.

    Al-7Si-xMg alloyscellular automatonsolidificationmicrostructuredendrite growth

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    具有多种性质的新型二维Janus家族:拉胀行为、应变可调的光催化剂、高居里温度铁磁体和压电量子反常霍尔绝缘体

    刘宇王帅宇李锋钰
    1160-1172页
    查看更多>>摘要：发现新的二维材料并探索其独特性质与潜在应用是凝聚态物理与材料科学的重要课题.在此,我们基于在实验和计算中报道的具有多种性质的新型方晶格S-XS2二维材料,通过密度泛函理论计算,确定了7种具有近似方晶格的新型二维Janus S-XSSe(X=Si,Sn,V,Cr,Mo,Re和Os)单层材料.值得注意的是,S-SiSSe和S-SnSSe单层都具有拉胀行为,此外,由于具有合适的带边位置、可见光区的高效吸收系数和较大的载流子迁移率差,它们是潜在的光催化剂,而且光催化性能还可以通过改变pH值和施加双轴应变来提高.在不考虑自旋轨道耦合(SOC)时,S-VSSe,S-CrSSe和S-MoSSe是铁磁半金属,并具有较高的居里温度Tc(分别为210,810和390 K).加入SOC后,S-VSSe成为量子反常霍尔(QAH)绝缘体,具有较大的带隙(45.4 meV)和一个手性边缘态(陈数C=-1).通过对半导体S-XSSe(X=Si,Sn,V)单层的对称性分析,基底面上的单轴应变只能诱发面外压电响应.其中,S-VSSe的面外压电系数d31和d32最大,分别为-0.013和0.025 pm V-1.压电性、拓扑性和铁磁性的共存使单层S-VSSe成为具有大带隙和高Tc的多功能自旋电子学应用的潜在平台.我们的理论工作将给二维材料增添新家族,并有望带来更广阔的应用.

    two-dimensional Janus structuresquare transition metal dichalcogenidesnegative Poisson's ratioquantum anomalous Hall effectphotocatalystpiezoelectricitydensity functional theory

      原文链接:
    • NETL
    • NSTL
    • 万方数据