应用场景：催化剂理性设计与优化

关键性能：建立了电催化环境下铜基催化剂结构重构模拟新方法，实现了宏观时间尺度（小时级）近万原子铜（100）表面结构重构过程模拟，并揭示了铜（100）表面原子级重构机制

标签属性：催化

应用场景：污水净化和海水脱盐

关键性能：优化后的MoS2膜在多种测试条件下展现出优异的性能，如高水渗透性、高离子选择性以及良好的机械和化学稳定性

标签属性：膜材料

应用场景：深度学习

关键性能：由此方法得到的原子轨道基组哈密顿量不仅可以准确地重复出平面波方法计算得到的电子结构信息，还能够直接适配原有的DeepH框架并训练得到准确的神经网络模型。

标签属性：机器学习

应用场景：光催化转换

关键性能：通过电感耦合等离子体（ICP）测定的Cu2O/TiO2中理想的Cu质量分数在0.075%至0.55%之间，最高CO产量为10.22，明显超过纯TiO2

标签属性：光催化

应用场景：深度学习电子结构计算

关键性能：能在零训练数据的情形下利用基本物理原理实现DeepH优化学习。该方法通过在神经网络中嵌入物理规则，巧妙地将神经网络与变分DFT算法结合，形成了一种名为“神经网络DFT”的无监督学习框架。DeepH-Zero在模型精度和泛化能力方面显著超越了传统监督学习框架，它能够在不依赖任何训练计算数据的情况下，实现对材料物性的精准预测

标签属性：机器学习

应用场景：合成H2O2

关键性能：可以在约2.1 V的低电池电压和400 mA cm-2的电流密度下连续稳定生产高达7wt%的纯H2O2水溶液超过200小时

标签属性：催化

应用场景：电催化

关键性能：组装了5节100cm2的碱性膜电堆，其电解功率最高达到5.8kW。在总电流为400A时，C2+生成速率为118.9mmol/min，乙烯生成速率达到1.2L/min

标签属性：电催化

应用场景：薄膜电容器

关键性能：改性后BOPP击穿电场常温下提升17％、120°C下提升52％，常温下效率大于95％放电密度由4 MJ/m3提升到7.5 MJ/m3

标签属性：电容器

应用场景：催化

关键性能：由五种金属(Fe, Mn, Co, Ni和Cu)和两种氮源组成，在碱性环境中表现出超高的ORR和OER活性，分别超过了最先进的混合贵金属催化剂和碳基催化剂

标签属性：催化

应用场景：高性能电极材料

关键性能：所合成的复合电极材料表现出优异的电容性能（1 A g-1时比电容达到697.5 F g-1，10 A g-1时比电容为501.0 F g-1，1万次循环后比电容没有明显衰减

标签属性：电极 仿生

应用场景：燃料电池

关键性能：HEA HPs的甲酸氧化反应（FAOR）可达到27.2 mA cm-2的比活性和7.1 A mgPt-1的质量活性，高MEA功率密度使HEA HP成为迄今为止所有报道的DFAFC催化剂中最高效的纳米材料之一

标签属性：燃料电池 催化

应用场景：增材制造高性能钛合金设计

关键性能：从只含α′相时的1.2 GPa提高到α′相和FCC相体积分数基本相等时的1.9 GPa

标签属性：钛合金

应用场景：校正密度泛函理论（DFT）的计算数据

关键性能：形成焓预测数据（基于PBE泛函）与实验数据的误差仅为~0.06 eV/atom

标签属性：机器学习 材料计算模拟

应用场景：合金设计

关键性能：快速、自动发现具有最佳热、磁和电性能的高熵合金

标签属性：合金设计 机器学习

应用场景： 锌离子电池

关键性能：良好的循环稳定性（20 mA cm-2，3000次循环）、极低的成核过电势（~79.1 mV）和析氢量0.002 mmol h-1 cm-2

标签属性：水系锌金属电池 锌离子电池

应用场景：固体氧化物燃料电池

关键性能：ISA的极化分布与最佳结构有关，由于电子对的偏移，氧空位（VO）形成能和迁移势垒降低

标签属性：机器学习 氧还原电极设计

应用场景：CO2环加成反应

关键性能：该催化剂在经过10个循环150小时测试后，其产物苯乙烯环状碳酸酯（SC）仍然保持了98%的产率

标签属性：CO2环加成反应 单原子催化剂

应用场景：直接合成H2O2

关键性能：产率高达115 mol gPd-1 h-1，选择性超过99%，超过了已报道的Pd基催化剂的性能

标签属性：氧加氢制H2O2 催化剂

应用场景：纳米尺度超薄高熵合金

关键性能：实现了世界上最薄的 HEA 金属材料

标签属性：高熵合金

应用场景：污水处理

关键性能：产生强氧化自由基实现对目标污染物雷尼替丁的长效降解（100%）。有效降解速率高达1.06 m/s

标签属性：污水处理