登录社区云，与社区用户共同成长
邀请您加入社区
本研究通过简单的界面分子工程策略，利用TTA配体成功钝化泡沫铜表面，显著提升了CF/Bi-In相变复合材料的热可靠性和长期循环稳定性。该工作解决了MPCMs领域界面反应导致性能衰退的关键难题，为开发用于中温热管理场景的高性能相变材料提供了有效方案，对推动其在工业废热回收、电子热管理等领域的实际应用具有重要意义。：经过200次热循环后，改性样品（Bi-In/CF@TTA）的IMCs生长显著抑制，XR
摘要：本文为零基础新手提供30分钟搭建语音输出原型的简易指南。使用ESP32开发板、SYN6288离线TTS芯片和喇叭等常见硬件（淘宝可购），通过三步操作即可实现通电播报功能。详细列出工具清单（含避坑建议）、接线图、编程环境和完整代码（带中文注释），并附常见问题解决方案。完成基础原型后可进阶改造为智能提醒设备，文末还提供互动答疑环节。所有硬件总成本约50-80元，无需焊接基础，适合创客入门体验。
《Frontiers in Materials》涵盖材料科学的多个子领域，包括碳基材料、智能材料、聚合物材料等，致力于发表这些领域的高质量研究成果。该期刊由国际知名出版机构Frontiers出版。作为一本开放获取期刊，《Frontiers in Materials》致力于为全球研究人员提供便捷的访问途径，促进学术交流和知识共享。该期刊发表多种类型的文章，包括原创研究论文、简短交流、评论、实验室研究
生成式AI的应用实例（VAE、Diffusion、LLM等、大模型的训练与应用示例（chatgpt为例）、预测聚合物粘度、从零开始手搓耐热高分子/高力学性能高分子机器学习筛选工作流的代码、聚合物结构表示、特征筛选、模型建立、模型优化和高通量筛选的掌握、主动学习、对比学习框架在聚合物科学问题中的实现、大语言模型实现聚合物性质预测—polyBERT和TransPolymer、VAE和大语言模型实现聚合
如今，天津大学陈亚楠、西南交通大学李金阳、中国矿业大学黄鹏飞等联合团队在《Advanced Energy Materials》期刊上发表论文，提出融合大语言模型（LLM）与遗传算法（GA）的人工智能驱动框架，结合高温热冲击（HTS）技术，成功破解了这一难题，为高效 HEA 催化剂的设计与合成开辟了新路径。GA 通过四轮迭代优化，仅需 24 个样本，结合 HTS 技术快速合成与筛选，整体筛选周期缩短
