嵌段共聚物自组装是获取各种周期性有序纳米结构的一种有效途径。通过自洽场理论（SCFT）计算嵌段共聚物相图，可以精准预测嵌段共聚物的自组装行为，为制备各种新颖结构提供指导。然而，SCFT通过迭代的方式寻找自由能极小值，非常依赖初始条件。导致相图的计算非常依赖研究人员的经验，降低了理论相图的可靠性。近年来，人工智能技术快速发展，借助人工智能方法，有望减小对研究人员经验的依赖性，构建出更为可靠的相图。李卫华教授团队提出了一种结合基函数初始化法+...
嵌段共聚物（block copolymers，BCPs）的定向自组装（directed self-assembly，DSA）为sub-10 nm 技术节点下接触孔或垂直互连通孔（vertical interconnected access, VIA）的制备提供了一种极具前景的方法。为了实现尺寸和位置精确可控的圆柱纳米孔，嵌段共聚物的自组装过程需要由合理设计的模板加以引导。然而，如何对模板形状进行有效参数化以实现高效优化，仍然是一个关键且具有挑战性的问题。此外，优化后的模板还必须具备优异的可制造性，...
近日，复旦大学刘一新团队在Communications Materials上发表了题为“Automated chain architecture screening for discovery of block copolymer assembly with graph enhanced self-consistent field theory”的研究论文。嵌段共聚物多样的链结构赋予其无比丰富的相行为，能够自组装形成包括球状相、柱状相、三周期最小曲面晶格（Triply periodic minimal surface lattices）等一系列有序结构，使其成为探索软物质自组装的重要平台。...
在科学研究中，理论模拟是一个至关重要的环节，尤其是在材料科学、化学和物理等领域。传统的模拟研究流程通常包括编写模拟程序、上传到远程服务器执行、数据分析和报告生成等步骤。这些步骤在确定研究计划后往往是标准化的，但通常需要研究人员手动操作，耗时且繁琐。随着人工智能（AI）技术的快速发展，特别是大型语言模型（LLMs，如ChatGPT）的崛起，利用AI实现科学研究自动化、简化工作流程并提高科研效率的设想逐渐成为可能。然而，...
随着便携设备、电动汽车和大规模电网对高能量密度、快速充电电池的需求增长，传统液态电解质因易燃性和高压下的副反应（如界面副反应、气体析出、过渡金属溶解等）受到限制。离子聚合物电解质（IPEs）兼具安全性和界面适应性，但其实现多目标优化（如离子电导率、电化学窗口、循环稳定性）需要在高维化学空间中探索，传统试错法效率低、成本高。此研究展示了高效处理多目标优化的创新方法，为锂电池材料的开发与优化提供了关键见解。...
钾离子电池因其资源丰富、成本低廉和高能量密度等优势，被认为是下一代储能技术的有力候选者。然而，作为唯一的钾源，其绝大多数正极材料缺乏钾离子，并且负极在形成SEI过程中具有较大的不可逆容量损失，这使得钾离子电池面临活性离子匮乏的巨大挑战，严重限制了其商业化应用。 传统的预钾化方法，如负极化学预钾化和正极混浆补钾，虽能够有效补偿活性钾离子，但存在兼容性问题，无法与现有的电池组装技术有效集成。面对上述挑战，...
聚合物分子量分布或分散度（MWD）对材料加工性能、机械性能、凝聚态结构等方面有显著影响。为了调节分子量分布，可通过聚合物共混或优化聚合工艺实现。自由基聚合是制备高分子的最重要方法之一，在全球聚合物年产量中贡献了约45%，但该类传统合成方法从聚合机理上难以实现窄分子量分布（MWD<1.5），导致以此为基础的工艺技术只能利用宽分布聚合物进行后续操作。近年来，美国Cornell大学、瑞士ETH、澳大利亚UNSW等单位的科研人员利用“...
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
