摘要：Rational design of solid-state electrolytes(SSEs)with high ionic conductivity and low activation energy(Ea)is vital for all solid-state *** learning(ML)techniques have recently been successful in predicting Li^(+) conduction property in SSEs with various descriptors and accelerating the development of *** this work,we extend the previous efforts and introduce a framework of ML prediction for E_(a) in SSEs with hierarchically encoding crystal structure-based(HECS)*** cubic Li-argyrodites as an example,an Ea prediction model is developed to the coefficient of determination(R^(2))and rootmean-square error(RMSE)values of 0.887 and 0.02 eV for training dataset,and 0.820 and 0.02 eV for test dataset,respectively by partial least squares(PLS)analysis,proving the prediction power of *** variable importance in projection(VIP)scores demonstrate the combined effects of the global and local Li^(+) conduction environments,especially the anion size and the resultant structural changes associated with anion site *** developed E_(a) prediction model directs us to optimize and design new Li-argyrodites with lower Ea,such as Li_(6–x)PS_(5–x)Cl_(1+x)(<0.322 eV),Li_(6+x)PS_(5+x)Br_(1–x)(<0.273 eV),Li_(6+x)PS_(5+x)Br_(0.25)I_(0.75–x)(<0.352 eV),Li_(6+(5–n)y)P_(1–y)N_(y)S_(5)I(<0.420 eV),Li_(6+(5–n)y)As_(1–y)N_(y)S_(5)I(<0.371 eV),Li_(6+(5–n)y)As_(1–y)NySe_(5)I(<0.450 eV),by broadening bottleneck size,invoking site disorder and activating concerted Li+*** analysis shows great potential in promoting rational design of advanced SSEs and the same approach can be applied to other types of materials.

摘要：采用无机固体电解质的全固态锂电池以其高安全性和长寿命等优点,已经成为动力电池领域的重要发展方向之一。随着高室温离子电导率(大于10^(-3)S·cm^(-1))的固体电解质的涌现,锂离子在其中的迁移动力学问题不再是全固态锂电池发展的主要瓶颈。相比之下,正极和固体电解质界面处因空间电荷层等复杂效应导致的高界面电阻成为当前急需解决的难题。本文从(电)化学势及电势的基本概念出发,对描述正极和固体电解质之间化学势差异所导致的空间电荷层的理论模型进行严格推导,以揭示其影响界面电阻的物理本质。接着,本文从实验表征和理论模拟角度出发,综述了当前在观测空间电荷层状态、计算正极/固体电解质界面及其体相锂离子浓度,以及预测界面电阻等方面存在的问题。在此基础上,本文提出了融合空间电荷层模型、数值模拟以及基于实际正极和固体电解质接触处费米能级状态和位置的方法,从而定量评估界面电阻。最后,本文展望了通过优化正极/固体电解质界面来提升全固态锂电池电化学性能的未来发展趋势。通过深入理解界面电阻的物理机制,未来可以采用新的材料设计、界面工程等策略来改善全固态锂电池的性能。这些研究将有助于推动全固态锂电池技术的发展,实现更高效、更安全的能源存储解决方案。

摘要：电池内部不可控的枝晶生长问题严重地影响着电池的循环性能和安全性能,这对于锂金属电池的实际应用是一个严峻的挑战。尽管已有较多的实验和理论研究工作聚焦于电极间锂离子各向异性输运特性对枝晶形貌的影响,但仍有一些开放性的问题有待进一步研究,例如,如何将枝晶生长的动态演变与电解液性质、电势分布或隔膜多孔结构诱导的锂离子各向异性输运关联起来。我们通过将锂离子在电解液中的扩散系数(D_(L))表示为二阶张量的形式并进行相场模拟,发现D_(yy):D_(xx)比值的增加,以及电势诱导的电极/电解液界面锂离子快速扩散层均可以降低界面处锂离子浓度梯度和电势梯度,从而减弱枝晶生长的驱动力。我们还发现隔膜基体与y方向之间夹角的增大也会显著促进电解质中的锂离子各向异性输运特性,以利于抑制枝晶生长。籍此本文提出设计D_(yy):D_(xx)=10:1的电解液和基体倾斜角为arctan(0.5)的隔膜用于锂金属电池。该相场研究有望为设计具有抑制枝晶能力的电解质或隔膜提供指导。

摘要：在锂基电池反复充放电的过程中，锂离子在负极表面的不均匀沉积会导致不可控的枝晶生长，进而严重影响电池的安全性能。相场模拟方法是描述和预测枝晶生长的有力手段，然而求解描述场变量演化的偏微分方程组对计算资源的要求较高。机器学习因能快速拟合历史数据中的潜在规律以实现材料性能的预测，已被广泛用于电池材料性能预测与筛选、电池健康状况评估等方面。本文以锂离子输运参数对电池枝晶形貌的影响为例，通过相场模拟收集不同锂离子扩散系数与离子电导率对应的枝晶图像，基于这些数据训练机器学习模型，进而预测给定离子输运参数所对应的枝晶描述因子（枝晶最大生长高度和空间利用率）。结果表明K-Nearest Neighbors模型可以较为精准地刻画离子输运参数与两种枝晶描述因子之间的联系(R2为0.995和0.992)，同时机器学习模型对于锂离子输运参数与枝晶描述因子间构效关系的挖掘方式及枝晶描述因子的区间范围都会影响预测结果的准确性。本研究能够有效降低计算成本，有助于指导实验高效地设计具有枝晶抑制性能的电池材料体系。

摘要：数据驱动的机器学习因其能够快速拟合历史数据中的潜在模式并实现材料性能的精准预测,已被广泛应用于材料性能优化和新材料设计。然而,由于缺乏描述符间关联关系、材料性能驱动机制等材料领域知识的指导,数据驱动的机器学习在实际应用中常常出现与材料基础理论认知或原理不一致的结果。本工作通过分析材料数据的特点和数据驱动的机器学习建模原理,厘清了数据驱动的机器学习应用于材料领域面临的三大矛盾:高维度与小样本数据的矛盾、模型准确性与易用性的矛盾、模型学习结果与领域专家知识的矛盾。藉此提出材料领域知识嵌入的机器学习作为上述矛盾的调和策略。进一步,面向“目标定义–数据准备–数据预处理–特征工程–模型构建–模型应用”的机器学习全流程,通过剖析相关的基础性和探索性工作,探讨了在机器学习各阶段实现材料领域知识嵌入的关键技术。最后,展望了材料领域知识嵌入机器学习的发展机遇和挑战。

摘要：针对相邻缺陷全聚焦超声成像混叠问题,结合低阶、宽有效频带自回归谱外推方法,压缩超声波时域脉冲宽度,实现亚波长级全聚焦(Totaλfocusing method,TFM)成像分辨力。建立碳钢试块模型,设置两个中心间距1.8 mm,直径1.3 mm圆孔,选用中心频率2.25 MHz,32阵元相控阵探头采集全矩阵数据。针对全矩阵数据,选择自回归阶数为2,信号频谱最大幅值下降14 dB为有效频带,建立自回归模型并外推有效频带外的高频与低频成分,随后对全矩阵数据进行延迟叠加处理和TFM成像。仿真结果表明,低阶、宽有效频带自回归谱外推处理方法具有较高的鲁棒性和准确性,TFM成像后可有效分离中心间距0.7λ(λ为超声波长)圆孔,保留缺陷横向位置信息的同时,定位误差不超过0.73%。对碳钢试块中相同位置及尺寸的圆孔进行试验验证,定位误差不超过1.06%,有效地提高TFM成像分辨力。

摘要：旅游驱动下的乡村绅士化作为乡村空间价值重塑的重要表现形式之一,在乡村振兴背景下受到极大关注。论文从乡村旅游绅士化影响效应这一视角切入,依据实地调研数据及空间解译结果,剖析徐州市汉王村在旅游绅士化发展不同时期空间所呈现出的重构特征,并结合半结构式访谈数据,基于行动者网络理论,对空间重构机制进行分析。研究表明:①依据旅游建设和发展历程,可将汉王村旅游绅士化进程划分为传统农业转型、观光农业开发、乡村旅游发展和文旅融合转向4个阶段,不同阶段空间重构呈现出不同特征;②旅游驱动下的乡村绅士化过程改变了汉王村的用地分布、产业结构、人口构成和文化氛围,缓解了乡村空心化的部分问题,并对空间产生深远影响;③各级政府、村民、游客、投资商、艺术从业者、旅游资源等异质行动者利益目标的转变以及彼此间的联结与合作对汉王村空间重构产生作用。研究可为理解旅游驱动乡村振兴发展、引发乡村绅士化效应与破解空心村难题提供理论与实证参考。

摘要：美国政府于2011年宣布启动“材料基因组计划”,宣告“理性设计-高效实验-大数据技术”深度融合、协同创新这一新型材料研发模式的开启。基于此,以数据驱动,并具有更快、更准、更省地获得“成分–结构–工艺–性能”间相互关联特点的机器学习,成为继“实验”、“理论”、“计算”后材料科学研究的“第四范式”中的核心要素。

摘要：储能电池的关键是材料。继实验观测、理论研究和计算模拟之后,数据驱动的机器学习具有快速捕捉材料成分-结构-工艺-性能间复杂构效关系的优势,有望为电化学储能材料的研发提供新的范式。本文从结构化和非结构化数据驱动两方面,系统评述了机器学习在电化学储能材料研究中的最新进展。全面概括了可用于电化学储能材料机器学习的国内外材料数据库,分析了其数据的收集、共享和质量检测存在的问题;重点阐述了电化学储能材料中机器学习的工作流程和应用,包括结构化数据驱动下数据收集、特征工程和机器学习建模以及图形、表征图像和文献文本这类非结构化数据驱动下的模型构建和应用。进一步,厘清电化学储能材料领域机器学习面临的三大矛盾且给出对策,即高维度与小样本数据的矛盾与协调、模型复杂性与易用性的矛盾与统一、模型学习结果与专家经验的矛盾与融合,并提出构建“领域知识嵌入的机器学习方法”有望调和这些矛盾。本文将为机器学习在电化学储能材料设计和性能优化中的应用提供参考。

摘要：在材料基因组科学研究中,多尺度集成材料计算占有不可或缺的地位。本文以微观-介观-宏观材料计算方法中具有代表性的第一原理、分子动力学、计算热力学/动力学及有限元方法为重点,介绍多尺度材料计算方法的基础和应用。