高分子自洽平均场理论（Self-consistent field theory）是研究嵌段共聚物平衡态相行为的一种重要的理论方法，其与实验结果的互相印证已证明了其在指导实验研究以及加深研究者对于高分子体系认识上有着重要的作用。然而，随着研究的深入，数量庞大的亚稳相，以及更多的高分子拓扑结构与体系调控参数是的工作量大幅增加。传统依靠人工识别数值计算结果的研究流程制约了研究效率的提升。近日，高分子科学系刘一新副教授团队开发了一种利用散射理论，...
在复杂的临床条件下，常规的即时检测技术（Point-of-care tests, POCTs）往往需要在结果准确性和检测速度之间进行妥协。复旦大学魏大程团队长期致力于研究新型场效应晶体管材料、晶体管设计原理以及晶体管在光电、化学和生物传感等领域的应用。近期，该团队在生物医学传感交叉研究领域取得系列进展，开发了光电联检多分类传感平台（Adv. Mater., 2024, 36, 2312540）、蛋白介导晶体管传感平台（Adv. Mater., 2024, 36, 2307366）、基于“...
固态聚合物电解质(SPEs)的发展是重振安全和高能量密度聚合物锂金属电池(PLMBs)的关键策略。在2021年，复旦大学高分子科学系汪莹课题组以双螺旋磺化芳香聚酰胺为刚性基体，并结合离子液体和锂盐开发了一种具有高的Li+电导率、电化学稳定性、热稳定性和机械模量的离子聚合物固态电解质（Y. Wang, et al. “Solid-state rigid-rod polymer composite electrolytes with nanocrystalline lithium ion pathways' Nature Materials 2021, ...
近年来，聚合物固态电解质在高能量密度锂金属电池领域受到了广泛关注。离子液体作为离子聚合物固态电解质（IPE）的基本组分，筛选具有高离子电导率和宽的电化学窗口的离子液体是实现高安全和高能量密度锂金属电池的关键。为此，汪莹课题组开发了一种嵌入量子化学计算和图卷积神经网络的机器学习工作方法如图1所示。将 IoLiTec网站中不同的阴离子和氧离子交叉结合生成2220个（13%的离子液体具有测量的物化性质）离子液体作为原始数据集，...
在聚合物材料的研发过程中，研究者需合成大量具有不同信息的聚合物（例如分子量、分子量分布、化学组成）以开展筛选研究。然而聚合反应受多参数影响，对非专业人士而言，常需经历不断试错才能得到理想结果，不仅实验效率受限、成本高，而且对复杂体系而言，其分析难度大幅度提升。近年来，基于大数据的机器学习方法已经逐渐在化学领域彰显其在反应分析、路线优化上的巨大潜力。而如何在高分子合成中用好机器学习的优势，还有待开发有效的指导体系。...
复旦大学高分子科学系张红东教授、李剑锋副教授与加拿大滑铁泸大学陈征宇教授合作，在深度学习与物理研究交叉领域取得新进展，提出了一种全新的概念表征方法。近日，研究成果以《用强关联神经网络进行结构预测与反向设计》（“Structural Prediction and Inverse Design by a Strongly Correlated Neural Network”）为题发表于《物理评论快报》(Physical Review Letters 123, 2019, 108002)。将深度学习或神经网络运用于研究自然语言或其它学科时，...
Copyright © 2024 高分子科学智能研究中心版权所有
地址：上海市杨浦区邯郸路220号
邮编：200433
电话：021-65642222
