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：储氢

关键性能：储氢性能可达7.7wt%

标签属性：储氢

应用场景：石墨烯材料热电子弛豫的动力学过程

关键性能：实现了针对动量空间载流子动力学实时演化的第一性原理计算方法

标签属性：石墨烯 第一性原理

应用场景：化学无序材料的智能预测

关键性能：与传统枚举法相比，LAsou方法仅需要非常少的第一性原理计算就可以快速找到热力学稳定的结构

标签属性：机器学习 第一性原理

应用场景：确定材料的微结构

关键性能：仅需要非常少的第一性原理计算就可以快速找到热力学稳定的结构

标签属性：机器学习 第一性原理

应用场景：纳米颗粒强化

关键性能：具有良好的机械性能和热性能，适用于高温结构应用

标签属性：金属合金 纳米颗粒

应用场景：热电材料

关键性能：ZT在848K时可达到1.61

标签属性：热电

应用场景：电子、光电子器件

关键性能：极大地提高了二硫化钼晶体管的室温载流子迁移率

标签属性：光电子器件 二维半导体材料 晶体管器件

应用场景：电催化剂

关键性能：供了一种可在环境条件下有效地将O2转化为H2O2的催化剂，还成功地开发了以主族元素为活性点的高效电催化剂

标签属性：电催化剂 第一性原理计算

应用场景：超高导热、紫外光源及探测

关键性能：揭示了vdW异质结光学性质的同位素依赖性和异质结层间距的重要性

标签属性：六方氮化硼

应用场景：铜薄膜抗氧化

关键性能：平坦的(111)表面，偶见少量的单原子台阶

标签属性：铜薄膜

应用场景：低维材料特别是一维材料的开发

关键性能：发现了一批新型的一维材料，并找到部分一维材料与二维材料结构图之间的子图同构关联

标签属性：人工智能 机器学习 图论

应用场景：钠离子电池

关键性能：组装的MoS1.5Te0.5@C||EG双离子电池在1 A g−1下的工作电压约为3.1 V

标签属性：钠离子电池

应用场景：电池快充

关键性能：在5 C和10 C的倍率下，容量保持率分别为75%和58%

标签属性：电池

应用场景：铁电、光电

关键性能：用压电力显微镜观察到了莫尔(moiré )铁电畴和电场诱导的畴壁运动，可以制备近似平行堆积的双层膜

标签属性：铁电

应用场景：单原子催化剂

关键性能：Mo-sTCNQ单层具有优异的NRR电催化性能、结构稳定性好、反应选择性高

标签属性：催化

应用场景：钠电池

关键性能：基于此机制的P3-NLMO正极在钠半电池中呈现出良好的LOR可逆性，并在锂半电池中提供了约240 mAh g-1的高容量和出色的容量保持率

标签属性：钠电池

应用场景：电池

关键性能：利用金属离子共调节作用增强MnO2导电性，助力正极的MnO2/Mn2+反应。

标签属性：水系锌锰电池

应用场景：含能材料

关键性能：已报道二元共价含氮化合物中能量密度最高的材料

标签属性：第一性原理 含能材料

应用场景：太阳光热应用领域

关键性能：成功合成中空的硫化铜纳米笼，有效提升光热转换效率

标签属性：太阳能