在这里,寻找想要的答案
搜索页面
资讯中心 (25)
-
Cell Rep. Phys. Sci. | 潘锋团队:热机械三相组装/生物质焊接策略实现粘结强度纪录突破胶黏剂是现代制造业的“看不见的骨架”:胶合板、刨花板等人造板工业长期依赖以脲醛/酚醛树脂为代表的石油基甲醛胶黏剂体系。据行业统计口径,全球此类甲醛系胶黏剂年消耗量在亿级吨规模,在生产与使用环节持续释放挥发性有机物(VOCs)与甲醛,带来突出的环境与健康隐患。以大豆蛋白、木质素等可再生资源为来源的生物质胶黏剂被视为重要替代路线,但其产业化长期受限于两大痛点:力学强度/耐水性与绿色可持续性难以兼得——传统“加法”思路(化学改性、外加交联剂、纳米填料等)往往重新引入合成助剂,牺牲了“全生物基、闭环无毒”的可持续初衷。2026.08.28了解详情 -
Angew. Chem. Int. Ed. | 潘锋团队:层状正极脱锂过程中的磁性与自旋演变研究锂离子电池技术从电化学原理上依赖于正负极材料的电子得失和锂离子脱嵌。目前对于正负极材料的研究主要集中于材料在电化学脱嵌锂过程中的结构变化,而忽略了由过渡金属或晶格氧的氧化还原带来的材料磁性和电子自旋的变化。而这些磁性行为的变化、电子自旋的变化,直接和材料的电子结构相关,会影响材料的价态导带位置及电子导电性,并和材料的相结构演化同步进行,最终影响材料的电化学性能。因此,建立电极材料在脱嵌锂过程中的磁行为和电子自旋的演化规律,并和材料的宏观晶格结构演化关联起来,有可能从底层电子结构角度深入理解材料的电化学机制,为下一代高性能电池的电极材料设计提供指导2026.08.27了解详情 -
Chem. Rev. | 潘锋团队与合作者:拓扑学赋能人工智能材料发现的研究新范式近年来,人工智能驱动材料发现已成为国际材料科学的重要发展方向,而如何实现材料结构的高效表征与可解释学习,则是其中最核心的科学问题之一。北京大学深圳研究生院新材料学院潘锋教授团队长期致力于图论结构化学、代数拓扑与人工智能材料设计研究,围绕材料结构数学表征与智能发现建立了一系列原创方法体系。团队先后发展了基于代数图论与自监督学习的分子表征框架,实现小样本条件下有机分子性质的高精度预测(Nat. Commun. 2021, 12, 3521);建立了基于有向图与路径同调的结构化学理论,实现对构型异构体、手性分子、高熵合金催化剂等复杂体系的数学表征(J. Phys. Chem. Lett. 2023, 14, 954);提出多尺度拓扑学习(Multiscale Topological Learning, MTL)框架,成功发现多种潜在高性能锂快离子导体材料(J. Am. Chem. Soc. 2025147, 20888);进一步发展持续GLMY同调(Persistent GLMY Homology)与生成模型相结合的催化材料逆向设计方法,实现高性能催化活性位点的智能生成与预测(npj Comput. Mater. 2025, 11, 147),以及基于这些基础研究编著了《人工智能材料学-AI4M》。上述研究逐步构建起“图论结构化学—拓扑学习—人工智能材料设计”的完整研究体系,为拓扑学方法在材料科学中的应用奠定了重要基础。2026.08.27了解详情 -
JACS | 潘锋团队:图论结构化学结合AI实现MOF晶体结构预测金属有机框架(MOFs)因结构可调、应用广泛而备受关注,X射线衍射技术在材料表征领域的应用也已经比较成熟,但在高通量实验与自驱动实验室场景中,如何高效解析MOF材料的粉末X射线衍射(PXRD)数据,并据此预测晶体结构仍困扰着研究人员。北京大学深圳研究生院新材料学院潘锋教授团队致力于图论结构化学、AI4S和材料基因组学的研究,成功使用人工智能解析XRD,创新性地提出了一种基于扩散模型的生成式人工智能框架Xrd2Mof。该模型以PXRD图谱、金属节点和有机配体信息为输入,以MOF结构为输出,并首次将粗粒度化表示引入该任务中,用于提取与衍射最相关的骨架几何特征,从而保留关键“材料基因”信息。相关成果以“Interpreting X-ray Diffraction Patterns of Metal–Organic Frameworks via Generative Artificial Intelligence”为题,发表于《美国化学学会杂志》(JACS, 2026, 148, 1, 869–878)。2026.08.27了解详情 -
潘锋教授团队在钴酸锂正极/电解质界面相调控研究中取得进展钴酸锂(LiCoO2,LCO)是目前手机等3C锂电池最主要的正极材料。产业需求在高截止电压下,实现高能量密度锂离子电池的同时能保持循环稳定性,但要实现高电压稳定运行,其界面化学的稳定性是基石。然而,在高压工况下,源自材料表面钴/氧(Co/O)催化位点的有害副反应难以遏制,这会引发碳酸乙烯酯(EC)溶剂的持续氧化分解、六氟磷酸锂(LiPF6)的水解,并最终导致LCO颗粒表面的结构退化。这些连锁反应严重制约了高能量密度钴酸锂电池的实际使用寿命与安全性。2026.08.27了解详情 -
潘锋教授团队揭示高电压钴酸锂表面晶格氧流失的结构起源钴酸锂(LiCoO₂,LCO)因具有较高的体积能量密度,长期以来被广泛应用于消费电子产品的锂离子电池中。为进一步提升电池能量密度,提高充电截止电压成为释放LCO容量的重要途径。然而,当工作电压提升至4.5 V以上时,深度脱锂状态下的LCO容易发生表面晶格氧流失、近表面结构重构以及界面副反应加剧等问题,导致循环稳定性显著下降。因此,揭示高电压条件下LCO表面结构退化的起始机制,并据此发展有效的表面调控策略,是提升其高电压循环稳定性、延长循环寿命的关键所在。2026.04.17了解详情