Journal of Materiomics第三卷第三期新鲜出炉
海归学者发起的公益学术平台
分享信息，整合资源
交流学术，偶尔风月
由中国硅酸盐学会和Elsevier合作出版的英文期刊 Journal of Materiomics 已在ScienceDirect上发布了第三卷第三期。点击文末“阅读原文”可以自由获取该专辑所有论文。
Journal of Materiomics将引领材料学科发展前沿，注重报道以材料设计、制备、表征及应用技术为主线的系统性前沿研究成果，特别关注以下几个材料研究方向：
1）功能材料 (铁电、介电、多铁性、磁性材料、半导体材料、光电子材料、电子材料等)；
2）先进能源材料 (太阳能电池、燃料电池、二次电池、储能材料、热电转换、能源储存及转换等)；
3）先进陶瓷及其复合材料等先进结构材料；
4）纳米及低维材料，包括多尺度的材料模拟与计算材料学等。
Journal of Materiomics 第三卷第三期目录：
利用机器学习发现和设计材料
筛选具有良好性能的新型材料和定量结构活性关系（QSAR）的建模等问题是材料科学领域的热门话题。传统的实验和计算建模经常耗费巨大的时间和资源，并受到实验条件和理论基础的限制。因此，必须开发一种加速新材料发现和设计过程的新方法。近来，使用机器学习来发现和设计材料受到越来越多的重视，并在时间效率和预测精度方面都取得了很大的进步。在这篇综述中，首先概述了在材料科学中应用机器学习的典型模式和基本程序，并对主要算法进行了分类和比较。然后，对目前的机器学习研究状况在材料性能的预测、新材料发现和其他用途的应用情况进行了综述。最后，讨论了机器学习在材料科学中面临的问题，也提出了可能的解决方案，并预测了在未来研究的潜在方向。通过将计算研究与实验直接结合，希望能够深入阐明影响材料性质的参数，从而实现对材料发现和设计的更有效和有针对性的研究。
采用第一性原理计算和偏最小二乘法研究锂离子电池阴极体积变化的定量结构-性质关系
通过组合第一性原理计算和偏最小二乘法（PLS），报道了有关锂离子电池中阴极体积变化的定量结构-活性关系（QSAR）的公式。用第一性原理分别计算了14个具有尖晶石结构LiX2O4和14个层状结构LiXO2的氧化物阴极（X = 钛，钒，铬，锰，铁，钴，镍，铌，钼，铷，铑，钯，铊，铱），而PLS分析则基于第一性原理的计算数据。采用五种类型的描述符，共34个因子，从晶体结构、元素、组成、局部变形和电学水平描述了每种化合物的特征，用以获得QSAR公式。根据变量投影重要性得知，X4 +离子的半径和X八面体描述符对脱锂期间阴极的体积变化将产生最主要的影响。该分析有望应用于锂离子电池低应变阴极材料的虚拟筛选和组合设计。
一种用于锂离子电池新型有机电极材料——高通量筛选的精确理论方法
有机电极材料因具有柔性、轻质、在自然界中含量丰富以及较低的二氧化碳释放量等优势而受到了极大的关注。为了筛选出合适的电极替代材料，建立一个精确的高通量筛选理论模型就显得非常紧迫。目前，通过PBE-D2（DFT-D2，色散矫正密度泛函理论）计算得到的理论电势与实验值之间的误差仍然大于12%。因此，引入一种更为准确的计算方法就显得非常必要。在这项工作中，我们采用了范德华矫正和杂化密度泛函理论来研究已经报道的锂离子电池中的6种有机电极材料。结果表明利用色散矫正的杂化密度泛函理论，即HSE06-D2（Heyd-Scuseria-Ernzerhof，色散矫正），可以将平均误差控制在5%左右，从而更为精确地预测有机材料的电势。这种方法虽然会占用较多的硬件资源，并且极为耗时，但是可以作为高通量筛选程序的最后、最精确的步骤。
数据挖掘辅助下的材料研发与优化
回顾了在数据挖掘辅助下的材料研发与优化的最新进展，同时通过研究案例介绍了材料的数据挖掘（MDM）流程。MDM可以采用机器学习中定性或者定量的方法来完成材料的研发、设计以及优化。通过回顾枝状Co3O4超结构的可控合成、层状双氢氧化物的材料设计、电池材料的研发以及热电材料的设计，我们展示了数据挖掘辅助下的材料研发与优化中的最先进技术。研究案例的结果表明，MDM是用于材料研发和创新的强有力的手段，将在材料基因组计划及材料信息学的发展中扮演重要的角色。
用于锂离子电池的高通量材料的研究和发展
下一代电池的发展需要材料领域的突破。传统的一对一的方法虽然适用于合成大量单组分材料，但是其耗时长，成本高。而高通量和组合实验方法可以有效地在更广的成分范围内短时间合成和表征大量材料，将大大加快材料的研发过程，降低材料的优化成本。本文讨论了用于锂离子电池研究的高通量和组合材料合成技术，并介绍了我们开发相关仪器的工作。
力学性能高通量表征的组合方法
自20世纪中期第一个成功案例被报道以来，组合材料学在材料学界引起了越来越多的关注。在过去二十年中，研究者为开发组合高通量材料研究方法作出了大量努力。然而，关于高通量力学表征方法的报道却很少。迄今为止，科学界已经开发了许多微尺度力学表征方法，为组合高通量力学表征打下了基础。通过适当的修改，很多微力学测试装置就可以用于高通量表征。例如，用自动扫描纳米压痕测量扩散多元合金样品的硬度和弹性模量，用悬臂梁阵列并行地表征宽成分梯度的薄膜的热学力学行为。对薄膜和微尺度样品的微力学测试数据的解释非常关键，也具有很大的挑战性。众所周知，与薄膜相对应的块体材料的力学性能具有尺寸和微结构依赖性，因此不能直观地通过外推获得其力学性能。尽管如此，组合微尺度样品的高通量力学表征数据仍然反映了力学性能对成分和微结构的依赖趋势，这有助于理解材料的本征行为，并快速筛选块体力学性能。在有希望的组分和微结构被确定之后，可以制备出块体样品用以测量准确的性能并验证组合高通量表征结果。通过开发组合高通量力学表征方法和工具，结合高通量合成，可以加快高性能结构材料的发现，开发和应用，提供全面的材料数据用于绘制成分-微观结构-力学性能的关系，促进结构材料的研究，而全面的材料数据将在未来大大改善基于材料基因组工程方法的先进结构材料设计。
用于锂电池的高通量表征方法
高性能锂电池的发展需要不断发现新材料，并对关键组分进行优化。与传统的一对一方法不同的是，高通量方法可以合成和表征大量不同成分的样品，从而加速材料的发现，发展和改进过程。由于薄膜和自动控制技术的快速发展，上千种不同成分的材料可以很快地，甚至是在一个实验中被合成出来。但是，由于缺乏与高通量合成方法相匹配的快速或组合的表征技术，高通量技术的应用受到了限制。本文中，我们综述了一系列在锂电池中具有代表性的高通量表征方法，包括高通量结构和电化学表征方法和基于同步辐射光源的快速测试技术。
欢迎广大学者供稿，报道最新研究成果
service@scholarset.com 或微信ID: scholarset
回复“目录”或“分类”，浏览知社更多精华。长按二维码识别，可以关注/进入公众号进行回复。