物质科学

52 条内容

Mendeley Data 2026年9月16日
该工作以多智能体抽取流程从5,597篇文献中整理出腐蚀抑制剂数据集，包含经人工核验的IE_datasets.xlsx、由大模型抽取的json_extracted.zip以及用于建模的IE_PH_4_materials.xlsx，字段覆盖文献信息、抑制剂名称与组成、阳极/阴极/混合类型、成膜机制、SMILES、腐蚀材料及其牌号与热处理、腐蚀介质与浓度温度、以及测试温度、时间、抑制剂浓度、测试方法与缓蚀效率百分比。
该工作以多智能体抽取流程从5,597篇文献中整理出腐蚀抑制剂数据集，包含经人工核验的IE_datasets.xlsx、由大模型抽取的json_extracted.zip以及用于建模的IE_PH_4_materials.xlsx，字段覆盖文献信息、抑制剂名称与组成、阳极/阴极/混合类型、成膜机制、SMILES、腐蚀材料及其牌号与热处理、腐蚀介质与浓度温度、以及测试温度、时间、抑制剂浓度、测试方法与缓蚀效率百分比。
从5,597篇文献构建的腐蚀抑制剂数据集
该工作以多智能体抽取流程从5,597篇文献中整理出腐蚀抑制剂数据集，包含经人工核验的IE_datasets.xlsx、由大模型抽取的json_extracted.zip以及用于建模的IE_PH_4_materials.xlsx，字段覆盖文献信息、抑制剂名称与组成、阳极/阴极/混合类型、成膜机制、SMILES、腐蚀材料及其牌号与热处理、腐蚀介质与浓度温度、以及测试温度、时间、抑制剂浓度、测试方法与缓蚀效率百分比。
该工作以多智能体抽取流程从5,597篇文献中整理出腐蚀抑制剂数据集，包含经人工核验的IE_datasets.xlsx、由大模型抽取的json_extracted.zip以及用于建模的IE_PH_4_materials.xlsx，字段覆盖文献信息、抑制剂名称与组成、阳极/阴极/混合类型、成膜机制、SMILES、腐蚀材料及其牌号与热处理、腐蚀介质与浓度温度、以及测试温度、时间、抑制剂浓度、测试方法与缓蚀效率百分比。
Nature nanotechnology 2026年9月15日
该工作展示了在200毫米硅晶圆上实现晶圆级单片三维集成，堆叠三层原子层沉积的氧化铟（InOx）基器件（制造超过10万个），涵盖铁电、增强型和耗尽型场效应晶体管，获得低至0.04 V的阈值电压标准差、高达91.6 cm²V⁻¹s⁻¹的平均电子迁移率以及功能完整的跨层电路，并基于定制InOx工艺设计套件构建了面向大语言模型工作负载的四层三维存内计算加速器，相比二维基线实现1.4倍至2.9倍加速和相当的能耗-延迟积改善。
该工作展示了在200毫米硅晶圆上实现晶圆级单片三维集成，堆叠三层原子层沉积的氧化铟（InOx）基器件（制造超过10万个），涵盖铁电、增强型和耗尽型场效应晶体管，获得低至0.04 V的阈值电压标准差、高达91.6 cm²V⁻¹s⁻¹的平均电子迁移率以及功能完整的跨层电路，并基于定制InOx工艺设计套件构建了面向大语言模型工作负载的四层三维存内计算加速器，相比二维基线实现1.4倍至2.9倍加速和相当的能耗-延迟积改善。
在200毫米硅晶圆上单片三维集成原子层沉积氧化物半导体
该工作展示了在200毫米硅晶圆上实现晶圆级单片三维集成，堆叠三层原子层沉积的氧化铟（InOx）基器件（制造超过10万个），涵盖铁电、增强型和耗尽型场效应晶体管，获得低至0.04 V的阈值电压标准差、高达91.6 cm²V⁻¹s⁻¹的平均电子迁移率以及功能完整的跨层电路，并基于定制InOx工艺设计套件构建了面向大语言模型工作负载的四层三维存内计算加速器，相比二维基线实现1.4倍至2.9倍加速和相当的能耗-延迟积改善。
该工作展示了在200毫米硅晶圆上实现晶圆级单片三维集成，堆叠三层原子层沉积的氧化铟（InOx）基器件（制造超过10万个），涵盖铁电、增强型和耗尽型场效应晶体管，获得低至0.04 V的阈值电压标准差、高达91.6 cm²V⁻¹s⁻¹的平均电子迁移率以及功能完整的跨层电路，并基于定制InOx工艺设计套件构建了面向大语言模型工作负载的四层三维存内计算加速器，相比二维基线实现1.4倍至2.9倍加速和相当的能耗-延迟积改善。
Chemical Communications 2026年9月15日
这篇综述围绕锂硫电池中硫转化的基本化学与限速步骤，梳理了催化剂调控策略与描述符之间的关联，将描述符归纳为电子、热力学与结构三大类并讨论其性质-性能关系，进而指出通用描述符的发展方向以及原位表征、计算建模和人工智能在描述符构建与高活性催化剂设计中的潜在作用。
这篇综述围绕锂硫电池中硫转化的基本化学与限速步骤，梳理了催化剂调控策略与描述符之间的关联，将描述符归纳为电子、热力学与结构三大类并讨论其性质-性能关系，进而指出通用描述符的发展方向以及原位表征、计算建模和人工智能在描述符构建与高活性催化剂设计中的潜在作用。
基于反应性描述符的先进电催化剂理性设计：面向高性能锂硫电池
这篇综述围绕锂硫电池中硫转化的基本化学与限速步骤，梳理了催化剂调控策略与描述符之间的关联，将描述符归纳为电子、热力学与结构三大类并讨论其性质-性能关系，进而指出通用描述符的发展方向以及原位表征、计算建模和人工智能在描述符构建与高活性催化剂设计中的潜在作用。
这篇综述围绕锂硫电池中硫转化的基本化学与限速步骤，梳理了催化剂调控策略与描述符之间的关联，将描述符归纳为电子、热力学与结构三大类并讨论其性质-性能关系，进而指出通用描述符的发展方向以及原位表征、计算建模和人工智能在描述符构建与高活性催化剂设计中的潜在作用。
arXiv 2026年9月14日
该工作以半导体Sb2Se3中的空位为案例，发现当前基于体相数据训练的机器学习原子间势无法可靠识别缺陷基态结构，进而提出在MACE架构中引入全局缺陷电荷嵌入，并结合低保真（PBE）与高保真（HSE06）数据的多保真度训练策略，使模型在固定缺陷超胞尺寸下将基态结构识别精度提升至0.05 Å以内、缺陷形成能与热力学跃迁能级与杂化泛函DFT吻合到0.02 eV以内，并发现标准缺陷搜索流程遗漏的全局极小值。
该工作以半导体Sb2Se3中的空位为案例，发现当前基于体相数据训练的机器学习原子间势无法可靠识别缺陷基态结构，进而提出在MACE架构中引入全局缺陷电荷嵌入，并结合低保真（PBE）与高保真（HSE06）数据的多保真度训练策略，使模型在固定缺陷超胞尺寸下将基态结构识别精度提升至0.05 Å以内、缺陷形成能与热力学跃迁能级与杂化泛函DFT吻合到0.02 eV以内，并发现标准缺陷搜索流程遗漏的全局极小值。
面向带电点缺陷的多保真度机器学习原子间势
该工作以半导体Sb2Se3中的空位为案例，发现当前基于体相数据训练的机器学习原子间势无法可靠识别缺陷基态结构，进而提出在MACE架构中引入全局缺陷电荷嵌入，并结合低保真（PBE）与高保真（HSE06）数据的多保真度训练策略，使模型在固定缺陷超胞尺寸下将基态结构识别精度提升至0.05 Å以内、缺陷形成能与热力学跃迁能级与杂化泛函DFT吻合到0.02 eV以内，并发现标准缺陷搜索流程遗漏的全局极小值。
该工作以半导体Sb2Se3中的空位为案例，发现当前基于体相数据训练的机器学习原子间势无法可靠识别缺陷基态结构，进而提出在MACE架构中引入全局缺陷电荷嵌入，并结合低保真（PBE）与高保真（HSE06）数据的多保真度训练策略，使模型在固定缺陷超胞尺寸下将基态结构识别精度提升至0.05 Å以内、缺陷形成能与热力学跃迁能级与杂化泛函DFT吻合到0.02 eV以内，并发现标准缺陷搜索流程遗漏的全局极小值。
Nature Communications 2026年9月14日
该工作提出指数倾斜热力学映射（expTM），在原有热力学映射的高斯先验中引入指数倾斜因子，使先验的均值与方差分别对应压力或化学势与温度，从而仅用远离相边界的少量训练数据即可在任意温度、压力或化学势条件下生成热力学正确的样本；作者在巨正则系综下用两个数据点复现了格子气模型的相变（密度差在临界化学势附近之外保持在0.05以内），并在等温等压系综下预测了CO2在压力变化下的相变，识别出Phase I与Phase III之间约在4.5–5.4 GPa出现的中间态。
该工作提出指数倾斜热力学映射（expTM），在原有热力学映射的高斯先验中引入指数倾斜因子，使先验的均值与方差分别对应压力或化学势与温度，从而仅用远离相边界的少量训练数据即可在任意温度、压力或化学势条件下生成热力学正确的样本；作者在巨正则系综下用两个数据点复现了格子气模型的相变（密度差在临界化学势附近之外保持在0.05以内），并在等温等压系综下预测了CO2在压力变化下的相变，识别出Phase I与Phase III之间约在4.5–5.4 GPa出现的中间态。
用指数倾斜热力学映射在温度、压力与化学势维度上预测相变
该工作提出指数倾斜热力学映射（expTM），在原有热力学映射的高斯先验中引入指数倾斜因子，使先验的均值与方差分别对应压力或化学势与温度，从而仅用远离相边界的少量训练数据即可在任意温度、压力或化学势条件下生成热力学正确的样本；作者在巨正则系综下用两个数据点复现了格子气模型的相变（密度差在临界化学势附近之外保持在0.05以内），并在等温等压系综下预测了CO2在压力变化下的相变，识别出Phase I与Phase III之间约在4.5–5.4 GPa出现的中间态。
该工作提出指数倾斜热力学映射（expTM），在原有热力学映射的高斯先验中引入指数倾斜因子，使先验的均值与方差分别对应压力或化学势与温度，从而仅用远离相边界的少量训练数据即可在任意温度、压力或化学势条件下生成热力学正确的样本；作者在巨正则系综下用两个数据点复现了格子气模型的相变（密度差在临界化学势附近之外保持在0.05以内），并在等温等压系综下预测了CO2在压力变化下的相变，识别出Phase I与Phase III之间约在4.5–5.4 GPa出现的中间态。
npj Computational Materials 2026年9月14日
该工作提出一条由大语言模型驱动的模块化智能体流水线，从科学文献的表格与正文中自动抽取并结构化混凝土材料的组成—工艺—性能属性，在17个开源与专有模型上取得最高0.98的F1分数，并在约一小时内从超过27,000篇文献筛选出的278篇论文中抽取逾10,000条记录，经后处理形成含近9,000条高质量记录、100余项属性的迄今最大公开掺合水泥混凝土实验室数据库，机器学习分析进一步显示大规模、多样且信息丰富的数据库可同时提升分布内精度与对未见材料体系的分布外泛化。
该工作提出一条由大语言模型驱动的模块化智能体流水线，从科学文献的表格与正文中自动抽取并结构化混凝土材料的组成—工艺—性能属性，在17个开源与专有模型上取得最高0.98的F1分数，并在约一小时内从超过27,000篇文献筛选出的278篇论文中抽取逾10,000条记录，经后处理形成含近9,000条高质量记录、100余项属性的迄今最大公开掺合水泥混凝土实验室数据库，机器学习分析进一步显示大规模、多样且信息丰富的数据库可同时提升分布内精度与对未见材料体系的分布外泛化。
面向混凝土材料信息学的大语言模型自动化数据抽取流水线
该工作提出一条由大语言模型驱动的模块化智能体流水线，从科学文献的表格与正文中自动抽取并结构化混凝土材料的组成—工艺—性能属性，在17个开源与专有模型上取得最高0.98的F1分数，并在约一小时内从超过27,000篇文献筛选出的278篇论文中抽取逾10,000条记录，经后处理形成含近9,000条高质量记录、100余项属性的迄今最大公开掺合水泥混凝土实验室数据库，机器学习分析进一步显示大规模、多样且信息丰富的数据库可同时提升分布内精度与对未见材料体系的分布外泛化。
该工作提出一条由大语言模型驱动的模块化智能体流水线，从科学文献的表格与正文中自动抽取并结构化混凝土材料的组成—工艺—性能属性，在17个开源与专有模型上取得最高0.98的F1分数，并在约一小时内从超过27,000篇文献筛选出的278篇论文中抽取逾10,000条记录，经后处理形成含近9,000条高质量记录、100余项属性的迄今最大公开掺合水泥混凝土实验室数据库，机器学习分析进一步显示大规模、多样且信息丰富的数据库可同时提升分布内精度与对未见材料体系的分布外泛化。
RSC Advances 2026年9月14日
这是一篇综述，系统梳理了机器学习与人工智能如何结合高通量第一性原理计算与实验数据库来预测自旋电子学关键磁性质（如居里温度、磁各向异性能、磁矩、自旋霍尔电导、Dzyaloshinskii–Moriya相互作用、矫顽力与隧穿磁阻），讨论了描述符工程、图神经网络与物理信息学习等方法，并综述了Heusler合金、拓扑自旋体系与二维磁体等材料类的AI辅助筛选与逆向设计，最后提出面向物理引导、不确定性感知与自主闭环优化的未来路线图。
这是一篇综述，系统梳理了机器学习与人工智能如何结合高通量第一性原理计算与实验数据库来预测自旋电子学关键磁性质（如居里温度、磁各向异性能、磁矩、自旋霍尔电导、Dzyaloshinskii–Moriya相互作用、矫顽力与隧穿磁阻），讨论了描述符工程、图神经网络与物理信息学习等方法，并综述了Heusler合金、拓扑自旋体系与二维磁体等材料类的AI辅助筛选与逆向设计，最后提出面向物理引导、不确定性感知与自主闭环优化的未来路线图。
人工智能驱动的磁性质预测与下一代自旋电子学材料发现
这是一篇综述，系统梳理了机器学习与人工智能如何结合高通量第一性原理计算与实验数据库来预测自旋电子学关键磁性质（如居里温度、磁各向异性能、磁矩、自旋霍尔电导、Dzyaloshinskii–Moriya相互作用、矫顽力与隧穿磁阻），讨论了描述符工程、图神经网络与物理信息学习等方法，并综述了Heusler合金、拓扑自旋体系与二维磁体等材料类的AI辅助筛选与逆向设计，最后提出面向物理引导、不确定性感知与自主闭环优化的未来路线图。
这是一篇综述，系统梳理了机器学习与人工智能如何结合高通量第一性原理计算与实验数据库来预测自旋电子学关键磁性质（如居里温度、磁各向异性能、磁矩、自旋霍尔电导、Dzyaloshinskii–Moriya相互作用、矫顽力与隧穿磁阻），讨论了描述符工程、图神经网络与物理信息学习等方法，并综述了Heusler合金、拓扑自旋体系与二维磁体等材料类的AI辅助筛选与逆向设计，最后提出面向物理引导、不确定性感知与自主闭环优化的未来路线图。
Journal of Chemical Information and Modeling 2026年9月14日
这篇 Perspective 提出，化学与语言经历了相似的表示演化路径——从默契的实践知识到系统符号，再到几何化的可导航空间——并据此构建一个概念框架，把分子性质理解为从分子结构中涌现的“化学意义”，进而将潜空间中的语义插值与分子模拟中的炼金术变换视为在连接离散化学态的连续流形上导航的同类策略，同时提出以“化学模仿游戏”作为超越句法有效性、面向化学意义推理的分子 AI 评估构想。
这篇 Perspective 提出，化学与语言经历了相似的表示演化路径——从默契的实践知识到系统符号，再到几何化的可导航空间——并据此构建一个概念框架，把分子性质理解为从分子结构中涌现的“化学意义”，进而将潜空间中的语义插值与分子模拟中的炼金术变换视为在连接离散化学态的连续流形上导航的同类策略，同时提出以“化学模仿游戏”作为超越句法有效性、面向化学意义推理的分子 AI 评估构想。
化学模仿游戏：在语言与化学的意义空间中导航
这篇 Perspective 提出，化学与语言经历了相似的表示演化路径——从默契的实践知识到系统符号，再到几何化的可导航空间——并据此构建一个概念框架，把分子性质理解为从分子结构中涌现的“化学意义”，进而将潜空间中的语义插值与分子模拟中的炼金术变换视为在连接离散化学态的连续流形上导航的同类策略，同时提出以“化学模仿游戏”作为超越句法有效性、面向化学意义推理的分子 AI 评估构想。
这篇 Perspective 提出，化学与语言经历了相似的表示演化路径——从默契的实践知识到系统符号，再到几何化的可导航空间——并据此构建一个概念框架，把分子性质理解为从分子结构中涌现的“化学意义”，进而将潜空间中的语义插值与分子模拟中的炼金术变换视为在连接离散化学态的连续流形上导航的同类策略，同时提出以“化学模仿游戏”作为超越句法有效性、面向化学意义推理的分子 AI 评估构想。
Computational Materials Science 2026年9月14日
该工作提出开源统一 Python 框架 PolyGraphPy，将基于 DFTB+ 的量子力学计算自动化以构建单体、均聚物与交替共聚物的结构化数据集，并集成采用随机图表示的贝叶斯图神经网络进行性质预测（如静态极化率）与不确定性量化，同时纳入基于 SELFIES 的生成式预训练 Transformer 和基于 BRICS 图碎片的遗传算法两种互补生成模型用于目标分子的从头设计，并在丙烯酸酯数据集上展示了这一可高度定制的端到端流程。
该工作提出开源统一 Python 框架 PolyGraphPy，将基于 DFTB+ 的量子力学计算自动化以构建单体、均聚物与交替共聚物的结构化数据集，并集成采用随机图表示的贝叶斯图神经网络进行性质预测（如静态极化率）与不确定性量化，同时纳入基于 SELFIES 的生成式预训练 Transformer 和基于 BRICS 图碎片的遗传算法两种互补生成模型用于目标分子的从头设计，并在丙烯酸酯数据集上展示了这一可高度定制的端到端流程。
PolyGraphPy：面向原子模拟与机器学习驱动聚合物设计的统一 Python 框架
该工作提出开源统一 Python 框架 PolyGraphPy，将基于 DFTB+ 的量子力学计算自动化以构建单体、均聚物与交替共聚物的结构化数据集，并集成采用随机图表示的贝叶斯图神经网络进行性质预测（如静态极化率）与不确定性量化，同时纳入基于 SELFIES 的生成式预训练 Transformer 和基于 BRICS 图碎片的遗传算法两种互补生成模型用于目标分子的从头设计，并在丙烯酸酯数据集上展示了这一可高度定制的端到端流程。
该工作提出开源统一 Python 框架 PolyGraphPy，将基于 DFTB+ 的量子力学计算自动化以构建单体、均聚物与交替共聚物的结构化数据集，并集成采用随机图表示的贝叶斯图神经网络进行性质预测（如静态极化率）与不确定性量化，同时纳入基于 SELFIES 的生成式预训练 Transformer 和基于 BRICS 图碎片的遗传算法两种互补生成模型用于目标分子的从头设计，并在丙烯酸酯数据集上展示了这一可高度定制的端到端流程。
Journal of Chemical Information and Modeling 2026年9月14日
本文提出一种自动生成领域问答数据的方法，构建了包含168,080个磁性材料问答对的数据集MagQA，并用它微调BERT类模型；在人工标注的磁性材料测试集上，将MagQA与SQuAD v2混合微调的vanilla BERT-base-cased（MagBERT_MagQA_Mixed）取得F1 78.43%、精确匹配72.84%的最佳成绩，表明在拥有足够大规模高质量领域问答数据的前提下，领域专用BERT模型无需领域自适应预训练，仅从vanilla BERT微调即可。
本文提出一种自动生成领域问答数据的方法，构建了包含168,080个磁性材料问答对的数据集MagQA，并用它微调BERT类模型；在人工标注的磁性材料测试集上，将MagQA与SQuAD v2混合微调的vanilla BERT-base-cased（MagBERT_MagQA_Mixed）取得F1 78.43%、精确匹配72.84%的最佳成绩，表明在拥有足够大规模高质量领域问答数据的前提下，领域专用BERT模型无需领域自适应预训练，仅从vanilla BERT微调即可。
自动生成磁性材料领域问答数据集以支撑高性能语言模型
本文提出一种自动生成领域问答数据的方法，构建了包含168,080个磁性材料问答对的数据集MagQA，并用它微调BERT类模型；在人工标注的磁性材料测试集上，将MagQA与SQuAD v2混合微调的vanilla BERT-base-cased（MagBERT_MagQA_Mixed）取得F1 78.43%、精确匹配72.84%的最佳成绩，表明在拥有足够大规模高质量领域问答数据的前提下，领域专用BERT模型无需领域自适应预训练，仅从vanilla BERT微调即可。
本文提出一种自动生成领域问答数据的方法，构建了包含168,080个磁性材料问答对的数据集MagQA，并用它微调BERT类模型；在人工标注的磁性材料测试集上，将MagQA与SQuAD v2混合微调的vanilla BERT-base-cased（MagBERT_MagQA_Mixed）取得F1 78.43%、精确匹配72.84%的最佳成绩，表明在拥有足够大规模高质量领域问答数据的前提下，领域专用BERT模型无需领域自适应预训练，仅从vanilla BERT微调即可。

第 5 页 · 当前显示 10 项