材料基因组技术前沿进展

材料基因组技术是近年来兴起的材料研究新理念和新方法,是当今世界材料科学与工程领域的最前沿。材料基因组技术的实质是通过融合高通量材料计算设计、高通量材料实验和材料数据库三大组成要素,构建材料设计研发的协同创新网络,加速新材料从发现到应用的全过程。其中,高通量材料实验经过20多年的发展,目前已面向多种形态材料和多种服役性能形成了一系列成功案例,高通量材料计算模拟和材料数据库近几年也取得了较大进展。该文简要回顾了材料基因组技术的主要内容和发展历程,总结了具有代表性的高通量实验技术,以及高通量材料计算和材料数据库的应用案例,并介绍了电子科技大学在材料基因组技术方向取得的成果和工作基础,希望可以为我校在该领域的进一步发展规划和"一校一带"战略提供一定的参考。

对比人类基因 探秘材料基因——人类基因组计划对材料基因组计划的启发

＂材料基因组计划＂中的基因一词引用了＂人类基因组计划＂（Human Genome Project,HGP）中基因的概念。在人类基因组中,基因是具有遗传效应的DNA或RNA片段,支持着生命的基本构造和性能,是决定生命健康的内在因素。DNA由腺嘌呤、鸟嘌呤、胞嘧啶和胸腺嘧啶4种碱基通过两两配对形成双螺旋结构,碱基对不同的组成序列决定了基因中所携带的不同的遗传信息,从而决定生命体的不同机能。

基于可视化的固态电解质材料机器学习筛选与预测

【目的】随着“碳达峰”和“碳中和”目标的提出,能源消费领域电气化进程将进一步加快,其中在储能技术领域,锂电池是当前最具发展潜力的技术之一,已被广泛地应用在国民生活的方方面面。传统的锂电池所采用的液态电解质存在漏液、易燃和爆炸等多方面的潜在安全隐患,能量密度和安全性更高的固态电解质被认为是代替液态电解质的理想解决方案。当前,寻找具有高离子电导率等特性的固态电解质材料仍然是当前的研究热点。【应用背景】传统的材料研究采用“试错”模式,基于已知经验与材料物理化学特性进行假设,然后进行实验验证,通过对上述过程的反复迭代,最终找到目标材料。上述过程耗时费力,限制了相关材料的研发进程。近年来,机器学习等方法被广泛引入并用于新材料的研究中,但却缺少辅助工具帮助材料领域专家分析和理解机器学习模型,并实现对满足特定性能需求的材料预测。【方法】在这种背景下,我们基于可视化相关技术,建立了材料数据可视分析系统,期望促进材料科学家更高效地寻找高性能固体电解质材料。【结果】我们基于可视化技术对多种机器学习算法的结果进行重构和展示,并通过不同视图对材料之间的关系进行可视化对比和分析,结合我们实验分析得到的一些案例,最终给出了预测。【结论】最终,经过材料实验反馈,证实了部分预测材料的优良性能,验证了该系统的有效性。

组合材料芯片技术在新材料研发中的应用

组合材料芯片是高通量材料实验技术的重要组成部分,可实现在一块较小的基底上,通过精妙设计,以任意元素为基本单元,组合集成多达10~108种不同成分、结构、物相等材料样品库,并利用高通量表征方法快速获得材料的成分、结构、性能等信息,以实验通量的大幅度提高带来研究效率的根本转变,实现材料搜索的“多、快、好、省”。组合材料芯片技术经历了20年的发展与完善,已形成一系列较为成熟的材料制备技术与表征方法。本文列举多年来涉及微电子材料、磁性材料、光电材料、能源材料、介电材料、催化材料、合金材料等15个领域中较为成功的应用案例,以展示组合材料芯片技术在加速新材料发现、材料和器件性能优化、以及基础物理研究中的突出作用及效果。