俞振华：中国储能技术与产业最新进展

图/图虫创意一时间，俞振人们争相讨论大熊猫降级的消息，有网友表示：离人手一只圆滚滚的日子又近了一步。

之后，华中作者总结了近些年来基于石墨炔的材料在能源领域的应用的理论和实验研究，特别是介绍了理论和实验研究之间的相互印证。直到2010年，国储才成功合成了第一个具有两个插入乙炔键的大规模石墨二炔薄膜。

通讯作者：产业康宝涛，济南大学化学化工学院副教授。2021年在韩国成均馆大学SungkyunkwanUniversity(SKKU)获得博士学位，最新师从Jin YongLee教授。在这篇综述中，进展作者首先详细地讨论了石墨炔的结构和电子性质，进而从性质出发对其在能源领域的潜在应用给出建议。

作为新兴的碳基低维材料，俞振以石墨二炔为代表的石墨炔家族（GYF）由于其优越的物理化学性能，具有广泛的潜在应用。目前是SKKU ScienceFellow项目的博士后研究员，华中研究方向为电化学催化，蛋白折叠以及基于人工智能的材料和药物设计。

2008年本科毕业于山东大学学士学位，国储2013年于韩国成均馆大学获得博士学位，国储并先后于2013-2015和2020-2021期间于韩国成均馆大学从事博士后和访问学者（韩国国家研究财团BrainPoolFellow）工作。

由于大部分GYF尚未合成，产业而已成功合成的GYF的应用研究也相对短缺，产业因此我们希望通过这篇综述将各个应用领域的理论成果分享给实验人员，以吸引对这一材料的更多的关注。图2-1 机器学习的学习过程流程图为了通俗的理解机器学习这一概念，最新举个简单的例子：最新当我们是小朋友的时候，对性别的概念并不是很清楚，这就属于步骤1：问题定义的过程。

进展图2-2 机器学习分类及算法3机器学习算法在材料设计中的应用使用计算模型和机器学习进行材料预测与设计这一理念最早是由加州大学伯克利分校的材料科学家GerbrandCeder教授提出。图3-11识别破坏晶格周期性的缺陷的深度卷积神经网络图3-12由深度卷积神经网络确定的无监督的缺陷分类图3-13不同缺陷态之间转移概率的分析4机器学习在材料领域的研究展望与其他领域，俞振如金融、俞振互联网用户分析、天气预测等相比，材料科学利用机器学习算法进行预测的缺点就是材料中的数据量相对较少。

因此，华中2018年1月，美国加州大学伯克利分校的J.C.Agar[7]等人设计了机器学习工作流程，帮助我们理解和设计铁电材料。参考文献[1]K.T.Butler,D.W.Davies,H.Cartwright,O.Isayev,A.Walsh,Nature,559(2018)547.[2]D.-H.Kim,T.J.Kim,X.Wang,M.Kim,Y.-J.Quan,J.W.Oh,S.-H.Min,H.Kim,B.Bhandari,I.Yang,InternationalJournalofPrecisionEngineeringandManufacturing-GreenTechnology,5(2018)555-568.[3]周子扬,电子世界,(2017)72-73.[4]O.Isayev,C.Oses,C.Toher,E.Gossett,S.Curtarolo,A.Tropsha,Naturecommunications,8(2017)15679.[5]V.Stanev,C.Oses,A.G.Kusne,E.Rodriguez,J.Paglione,S.Curtarolo,I.Takeuchi,npjComputationalMaterials,4(2018)29.[6]A.Rovinelli,M.D.Sangid,H.Proudhon,W.Ludwig,npjComputationalMaterials,4(2018)35.[7]J.C.Agar,Y.Cao,B.Naul,S.Pandya,S.vanderWalt,A.I.Luo,J.T.Maher,N.Balke,S.Jesse,S.V.Kalinin,AdvancedMaterials,30(2018)1800701.[8]R.K.Vasudevan,N.Laanait,E.M.Ferragut,K.Wang,D.B.Geohegan,K.Xiao,M.Ziatdinov,S.Jesse,O.Dyck,S.V.Kalinin,npjComputationalMaterials,4(2018)30.[9]A.Maksov,O.Dyck,K.Wang,K.Xiao,D.B.Geohegan,B.G.Sumpter,R.K.Vasudevan,S.Jesse,S.V.Kalinin,M.Ziatdinov,npjComputationalMaterials,5(2019)12.[10]Y.Zhang,C.Ling,NpjComputationalMaterials,4(2018)25.[11]H.Trivedi,V.V.Shvartsman,M.S.Medeiros,R.C.Pullar,D.C.Lupascu,npjComputationalMaterials,4(2018)28.往期回顾：国储认识这些带你轻松上王者——电催化产氧（OER）测试手段解析新能源材料领域常见的碳包覆法——应用及特点单晶培养秘诀——知己知彼，国储对症下方，方能功成