摘要：高密度储氢材料的加速研发对于我国能源经济转型、早日实现双碳目标至关重要.集成高通量计算、数据库及机器学习预测的数据驱动材料研发新范式有望缩短研发周期并降低研发成本.由于组分、结构、工艺及形貌等多重复杂性,目前储氢材料相关的数据驱动性能预测研究较少,尚缺乏一个较为系统的性质性能数据库.因此,本文中我们开发了智能化的数据挖掘引擎,通过已发表的学术论文中发掘储氢材料热力学、动力学储氢性能数据,以及现有的材料基因工程数据库数据中获取含氢材料物理化学性质,并结合高通量第一性原理计算数据,构建了储氢材料性质性能数据集.基于所构建的数据集进一步建立了储氢材料数据库,并应用晶体图形神经网络等机器学习方法对储氢材料的吸放氢质量、吸放氢温度进行预测.相关工作将数据驱动的材料研发新模式与储氢材料相结合,为发展实用高效的新型储氢材料提供有效的平台支持、数据支撑、方法指引.

摘要：本研究运用第一性原理计算方法,系统地研究了无序碳单层材料不同位点的电子结构及其析氢性能.计算结果显示无序结构中的C-C键相比于石墨烯中的C-C键在26.7%的范围内有不同程度的拉伸或压缩,使得C原子电荷在-0.17~+0.16个电子范围内变化,导致部分C原子电子局域化.电子的局域化增强了C原子的化学活性,从而表现出了较强的吸附性能.我们发现H原子与C原子的键合及析氢性能与C原子间的键角相关.对于三配位的碳原子,其中三个价电子通过sp^(2)杂化轨道与最邻近的碳原子结合形成较强的共价键,而余下的一个p^(z)轨道电子可以与H原子在垂直于原子层的方向形成较弱的化学键.无序结构可以打破三个sp^(2)杂化轨道的对称性,进而影响p^(z)轨道与氢的成键.本研究在一定程度上揭示了单层无序碳材料结构-性能的构效关系,为实验上设计特定性能的无序碳功能材料提供理论指导.

摘要：人在不断长大、成熟,家也同样需要一个成长的过程,一个家的现在与未来,希望都会是同样充满了生活的乐趣。

摘要：空间中的每一线条和每一个细节,皆是经过设计师精心计算及多重考量过的,让这个家已不只是一个居住空间,而如同一套量身定做的订制服,让人觉得舒服。

摘要：对于餐厅的经营者来说.餐饮空间打造的成功与否.在于能否给消费者留下深刻的好印象。而这个好印象.由诸多细节成就.比如精彩的品牌故事.精准的餐厅定位.独特的店址.考究的食材和器皿美味的菜品,优美的音乐空间的设计,等等,但最重要的是,这些细节组织在一起,