致敬科技工作者！东大人在这些领域再有新突破！

5月30日是“全国科技工作者日”

东大科技工作者不断勇攀科技高峰

在众多研究领域取得重大进展

东北大学召开国家重点研发计划重点专项青年科学家项目启动会暨实施方案论证会

5月25日，由东北大学牵头承担、资源与土木工程学院孙永升教授主持的国家重点研发计划“战略性矿产资源开发利用”重点专项“白云鄂博多金属矿矿物重构强化分离基础研究”青年科学家项目启动会暨实施方案论证会以线上线下相结合的方式召开。

矿冶科技集团有限公司孙传尧院士、清华大学徐盛明教授、国家自然科学基金委员会朱旺喜研究员等10位专家学者，科技部中国21世纪议程管理中心处长裴志永，东北大学党委副书记、纪委书记杨明，科学技术研究院、资源与土木工程学院相关负责人，项目参与单位相关领导以及项目组全体成员参加会议。

杨明衷心感谢中国21世纪议程管理中心和各位专家对东北大学的发展给予的大力支持。杨明表示，战略性矿产资源是国家经济发展的重要支撑，其保障程度关乎国家安全。东北大学韩跃新教授团队始终面向国家战略性矿产资源重大需求开展相关基础研究、技术创新和成果转化工作，为我国矿产资源的高效开发利用提供了东大智慧。学校将落实科技部、中国21世纪议程管理中心等相关部门的工作要求，提供切实的条件保障，确保项目的顺利实施。

据悉，“白云鄂博多金属矿矿物重构强化分离基础研究”青年科学家项目由东北大学牵头，内蒙古科技大学、武汉科技大学共同参与。该项目立足难选铁、稀土、铌、萤石矿产资源选矿领域的科技前沿，将矿物加工、冶金、物理化学、矿物学等多学科深度融合，提出通过氢基焙烧重构矿石中矿物的物相及表面性质、改善矿物间可选性差异强化磁选/浮选分离的新思路，开展白云鄂博多金属矿矿物重构和界面调控强化分离新理论研究和前沿技术探索，实现矿石中铁、稀土、铌、萤石矿物的高效回收利用，为国家构建高质量的铁、稀土、铌、萤石战略性矿产资源保障体系提供科技支撑。

东北大学召开国家重点研发计划重点专项“典型难选铁矿资源清洁高效利用技术及装备研究与示范”项目启动会暨实施方案论证会

5月27日，由东北大学资源与土木工程学院高鹏教授牵头承担的国家重点研发计划“战略性矿产资源开发利用”重点专项“典型难选铁矿资源清洁高效利用技术及装备研究与示范”项目启动会暨实施方案论证会以线下和线上相结合的方式召开。科技部中国21世纪议程管理中心资源处处长裴志永、辽宁省科技厅副厅长安锦香、辽宁省科技厅社发处处长于丹梅、矿冶科技集团有限公司孙传尧院士、东北大学副校长唐立新、项目实施方案论证委员会专家以及项目组全体成员参加会议。

唐立新在致辞中代表东北大学对参会的专家学者表示欢迎，对他们长期以来对东北大学发展给予的大力支持表示感谢。唐立新指出，东北大学联合北京科技大学、矿冶科技集团、中钢集团、鞍钢集团、酒钢集团、昆钢集团、重钢集团、中国地质科学院矿产综合利用研究所、辽宁东大矿冶工程技术有限公司等十家铁矿选冶领域的一流研发和生产单位开展铁矿石清洁高效利用技术攻关，符合当前国际与国内战略形势，具有重要意义。东北大学长期致力于战略性矿产资源的高效开发利用工作，在难选铁矿领域的理论研究和技术开发方面研究基础扎实，近年来取得了丰硕的研究成果。此次重点研发计划项目的立项，彰显出东北大学在服务国家重大战略需求能力上的显著提升。唐立新表示，东北大学将严格按照科技部、中国21世纪议程管理中心等相关部门的工作要求，提供切实的保障条件，确保项目的顺利实施，希望通过项目的实施，推动我国战略性矿产资源开发利用技术的发展。

据悉，该项目围绕国家战略性矿产资源重大需求，以菱铁矿、褐铁矿、高磷鲕状赤铁矿等典型难选铁矿资源高效清洁利用为总体目标，将矿物加工、冶金工程、环境工程及智能控制等多学科深度交叉，通过基础理论研究-关键共性技术与装备开发-技术集成创新-应用示范的全链条系统研究，阐明矿相转化过程有价组分定向调控、界面调控高效除杂理论，攻克典型复杂难选铁矿资源高效清洁利用世界性难题，形成具有国际领先水平的难选铁矿清洁高效利用及废石（尾矿）大宗利用的集成解决方案，全面推动典型难选铁矿资源高效清洁利用产业升级。

东北大学在智能机器人研究方面取得重要成果

近期，东北大学机器人科学与工程学院聚焦机器人领域的智能导航、自主编程、交互协作的交叉共融开展研究，取得了系列原创性研究成果。

共融机器人代表了智能机器人技术发展的未来趋势，其所涉及的非结构环境中的多模态感知与情景理解、基于生物信号的行为意图理解、人机自然交互、机器人个体自主与机器人群体智能，一直是国际智能机器人领域的挑战性研究课题。

在移动机器人智能导航方面，研究成果“Real-time 3D Single Object Tracking with Transformer”被多媒体领域国际顶级期刊IEEE Transactions on Multimedia（中科院一区Top，JCR一区）录用，将于2022年末正式出版，该成果旨在研究移动机器人在三维点云场景下的目标跟踪任务。通过探究三维点云数据稀疏特性给目标跟踪带来的挑战，该项研究提出了将孪生网络以及Transformer结构有机结合的PTT-Net网络（图1），有效地解决了远距离或遮挡情况下点云过于稀疏而导致目标跟踪效果不佳的问题，对于推动智能机器人环境感知研究发展具有重要价值。

图1 PTT-NET网络框架

在机器人自主编程方面，研究成果“Joining Force of Human MuscularTask Planning with Robot Robust and Delicate Manipulation for Programming by Demonstration”在国际机器人领域顶级期刊IEEE/ASME Transactions on Mechatronics（中科院一区、JCR一区）上正式发表。该项成果通过研究解决机器人非结构环境下的演示者自然行为辨识、复杂力/位混合装配过程建模与装配技巧的自主编程等科学问题，形成了一套完整的机器人柔性装配理论和技术，实现非结构化环境下的多种类、精密高效的人-机协作装配（图2）。此项研究将能够降低机器人使用门槛，拓展工业机器人在电子制造领域应用，提高产品的生产效率与产品质量，具有十分重要的理论研究价值和潜在的市场应用价值。

图2 基于骨骼肌肉系统演示的机器人自主编程

在多机器人交互协作方面，研究成果“Dissipativity-Based ConsensusTracking Control of Nonlinear Multiagent Systems With Generally UncertainMarkovian Switching Topologies and Event-Triggered Strategy”在控制论领域顶级期刊IEEE Transactions on Cybernetics上发表，将于2022年11月正式出版。该研究针对具有外部扰动的时变时滞非线性多智能体系统，考虑了具有不确定性和部分未知元素的广义不确定马尔科夫跳变切换拓扑结构，建立了模态依赖的分布式协议和事件触发机制，从而减少不必的通信负担，提出了一种模态和时滞项依赖的增广多重积分能量函数分析方法，解决了干扰情况下的非线性多智能体系统的领导者和跟随者耗散一致性跟踪控制问题，为实际场景下的多机器人交互协作提供了理论基础（图3）。

图3 跟随者的事件触发时刻以及领导者和跟随者的状态误差

上述研究成果得到了国家重点研发计划专项“工业机器人伺服系统产品性能优化及工程化应用”、国家自然科学基金重点项目“面向智能工厂的人机协作型机器人协同机理与控制技术研究”的资助，获得了辽宁省机器人智能感知与交互技术工程研究中心与沈阳市智能机器人重点实验室的支持，相关成果分别由机器人学院专任教师方正、王斐和王军义等完成。基于上述成果，机器人学院已携手未来技术学院，以“四个面向”为指导思想，以解决机器人领域世界科学难题和服务国家重大战略需求为目标，持续在国家经济主战场和人民生命健康领域发挥“机器人+”的作用，积极开展智能机器人领域的交叉研究，并探索该领域科技创新领军人才培养的新范式。

东北大学冶金学院在电催化氧还原反应催化剂材料研究方面取得重要进展

近日，东北大学冶金学院李犁教授团队在电催化氧还原反应（ORR）催化剂材料研究方面取得重要进展。该团队提出了一种具有自旋极化半金属电子结构的双原子催化剂，通过将Zn与Fe配对形成Fe/Zn-N-C双原子活性中心，以保持活性中心的耐久性和高反应活性。相关研究成果以“A durable half-metallic diatomic catalyst for efficient oxygenreduction”为题，发表在国际著名期刊Energy & Environmental Science上。该研究成果以东北大学冶金学院为第一完成单位，博士研究生李宏观为第一作者，李犁教授为通讯作者。东北大学分析测试中心为本文数据采集、表征工作提供重要支撑。

据悉，单原子金属-氮-碳材料在氧还原反应（ORR）中表现出巨大的催化潜力，但开发具有高活性的耐用催化剂仍然是一个巨大的挑战。李犁教授团队首先通过理论计算以质子化能垒为依据，筛选了Fe与第四周期过渡金属的组合，其中Fe-Zn双原子具有最高的质子化能垒。随后通过使用壳聚糖和复合金属源为原料，通过高温热解合成了Fe/Zn-N-C双原子催化剂，并通过结构表征确定了它们的原子分散位点（图4）。

图4 材料的筛选和微观结构形貌表征

团队通过理论计算进一步研究了氧还原关键物种的吸附以确定活性机理。计算发现，Fe-N-C对*OH表现为强吸附（ΔG*OH=0.44 eV），限制了反应活性。随着Zn的引入，Fe/Zn-N-C的ΔG*OH值提高（0.82 eV），过电位降低。在Fe-N-C模型中，在Fe位点转移的电荷数为2.81 eV，而在引入Zn后该值降至1.43 eV，更加有利于中间体的吸/脱附。Zn的引入可调节Fe的自旋极化程度，诱导产生自旋极化的巡游电子，Fe 3d轨道变宽，形成半金属电子结构。促进顺磁态O2分子吸附及催化剂和中间体的电荷转移。同时，质子化过程中Zn-N键的牺牲保护了FeN4氧还原催化活性中心，使其具有良好的结构稳定性，从而提升了催化剂的耐久性（图5）。

图5 氧还原反应活性和稳定性机理研究

李犁教授团队随后发现Fe/Zn-N-C独特的半金属电子结构使催化剂在0.1 M KOH和0.1 M HClO4中均表现出优异的电催化活性，其中半波电位分别为0.906 V和0.808 V，超过了Pt/C以及大多数最先进的电催化剂。此外，该材料还表现出在实际应用中苛刻酸性条件下的高长期耐久性，5000次电位循环后仅有12 mV的电位损耗（图6）。本工作为通过电子结构调节实现ORR催化剂的高稳定性和高活性提供了一种策略，为设计高性能的能源电催化剂提供了新的思路。

图6  氧还原反应活性和稳定性电化学测试

东北大学材料学院成功合成21组元稳定高熵合金

近日，东北大学材料学院李逸兴、张雪峰课题组在中国科技期刊卓越行动计划领军期刊《国家科学评论》上发表了题为“High-entropy-alloy nanoparticles with ultra-mixed 21 elements for efficient photothermal conversion”的研究论文（Natl. Sci. Rev. 2022, DOI:10.1093/nsr/nwac041）。材料学院博士研究生廖怡君为论文第一作者，材料学院青年教师李逸兴博士、张雪峰教授为论文共同通讯作者。

通过将不同元素进行均匀混合以制备高熵合金材料，协同提升材料的性能成为了近年来的研究重点。但异种元素间的不混溶性以及纳米尺度的极短扩散长度大大限制了高熵合金组元数增长及纳米化的进程。

针对这一问题，本课题组基于近期制备的高熵合金的制备经验（Angew. Chem. Int. Ed. 60, 2021, 27113; Small 18, 2022, 2107265），总结15年来研究的50余种复合材料体系的制备工艺，提出了蒸气压调控诱导高熵合金合成的新思路，制备了创纪录的21种元素（FeCoNiCrYTiVCuAlNbMoTaWZnCdPbBiAgInMnSn）混溶高熵纳米颗粒（21-HEA-NPs），打破了国际上15组元高熵合金制备的纪录（Matter, 4, 2021, 2340）。

（a）纳米颗粒直流电弧等离子法制备示意图；（b）不同材料XRD结果；（c）21-HEA-NPs透射电镜照片及EDS能谱分析。

21-HEA-NPs高分辨透射电镜照片、傅里叶转换图片及原子级EDS-mapping能谱分析

基于上述所制备的材料，作者研究了其相关光热转换性能。结果表明，伴随元素种类的增加，材料的光热转换能力明显增强，21-HEA-NPs材料在纯水和3.5 wt%的盐水中的水蒸发速率可达2.42、2.43 kg m-2 h-1, 效率达97.8%和97.9%，展现出优异的光热转换性能。同时，在100 h长循环测试（10 wt%盐水）及户外测试中，材料也表现出相当的稳定性与适应性。

高熵合金纳米颗粒在1个模拟太阳光下对应的水质量变化曲线及21-HEA-NPs在1~5 sun下的水蒸发速率曲线，（a）-（c）为纯水条件（d）-（f）为3.5 wt%盐水条件

综上所述，通过直流电弧等离子体放电方法，基于蒸气压调控理论，可以制备具有多种不混溶元素相互混溶的高熵纳米颗粒材料，其在光热转换领域具有巨大的应用潜力。该研究获得了国家重点研发计划、国家自然科学基金、浙江省重点研发计划、辽宁省自然科学基金等的资助。

东北大学计算机学院大数据团队发布关于图神经网络分布式训练框架的最新研究成果

近日，数据库领域顶级会议ACM SIGMOD 2022（Special Interest Group on Management Of Data）公布了录用论文，计算机科学与工程学院大数据团队关于图神经网络分布式训练框架的研究成果NeutronStar:Distributed GNN Training with Hybrid Dependency Management被录用为长文（Data Management Track）。该研究成果作者为王千阁（东北大学）、张岩峰（东北大学）、汪浩（美国俄亥俄州立大学）、陈朝亿（东北大学）、张晓东（美国俄亥俄州立大学）、于戈（东北大学）。

SIGMOD数据管理国际会议（Special Interest Group on Management Of Data.）是数据库系统领域具有最高学术地位的国际性会议之一，每年吸引全球各国顶级研究单位投稿，论文审稿非常严格，对研究成果的创新性、系统设计的完备性和实验设计的完整性都有着极高的要求。

该论文设计了一种适合超大规模图数据的图神经网络分布式训练框架NeutronStar，它结合了DGL、Aligraph主流图学习系统基于缓存的依赖管理方式和传统图计算系统的基于通信的依赖管理方式，提出了一种混合依赖管理策略，保证总是用最优的方式获取邻居顶点的embedding和梯度，并可以利用PyTorch和Tensorflow等自动微分库支持跨计算节点自动微分（自动反向传播），支持分布式GPU训练，同时也加入了诸如CPU-GPU异构计算优化、环形通信、流水线、计算通信重叠等许多传统分布式图计算系统的优化技术。

该工作自从2018年底开始，耗时3年多完成整个系统，期间正值图神经网络迅速发展阶段，几度对系统架构进行重构改良优化。当前，支撑超大规模图数据的图神经网络分布式训练系统也是各大企业的重要需求，大数据团队已经将系统代码开源，目前正在与华为中央研究院图计算团队合作，部署集成到华为公司的图计算系统中。

创新争先 自立自强

踔厉奋发 笃行不怠

为东大科技工作者点赞！

来源 | 东北大学新闻网

责编 | 刘宇豪 迟美琪 

✬如果你喜欢这篇文章，欢迎点赞并分享到朋友圈✬

投稿&加入我们 [e-mail]

往期回顾

专注15年！这位东大人助力神舟十三号载人飞船升天！

特等奖8项，创历史新高！东大人取得佳绩！

分享

点赞

在看