近日，兰州大学联合方大碳素研发的”石墨烯交联活性炭复合膜、制备方法及超级电容器电极“正式获国家知识产权局发明专利授权，该技术破解了传统活性炭电极材料比容量低的难题，在新能源大容量储能等方面有广阔的应用前景。
石墨烯具有很强的导电性，是一种零距离的半导体，有非常好的光学性能和热传导功能。虽然获得石墨烯的原料广泛存在于自然界，但由于石墨烯的制备、分离和应用方面存在诸多科技难题，导致这一新材料量产存在较多障碍。
兰州大学·方大炭素石墨烯研究院的科研人员首次在改性活性炭中引入石墨烯，成功生产出导电性能优异、结构稳定性高的石墨烯，解决了石墨烯规模化量产的关键技术。这项新型发明获国家知识产权局发明专利授权，标志着我国石墨烯储能材料应用技术实现新的突破。兰州台报道。
22
10-13
双层石墨烯 (BLG) 因其独特的可调节物理性质而引起了极大的研究兴趣，这些物理性质取决于扭曲角度和层间相互作用。因此，控制 BLG 的电子特性对于开发其在许多领域的潜在应用至关重要，本文，复旦大学孙正宗研究员团队在《Carbon》期刊发表名为“Tuning electrical coupling in bilayer graphene”的论文，专门研究了通过化学气相沉积（CVD）生长的具有约0°和约30°两个代表性扭曲角的BLG单晶。原始BLG单晶的表面电位表明，单层石墨烯 (SLG) 与 BLG 之间的表面电位差为约0° BLG 低于约30° BLG。此外，使用重氮盐反应和氮掺杂，BLG 的电耦合和性质被可逆地调整。BLG产生的表面电位可以在 0到50mV 的宽范围内调节。
22
09-27
尽管氢燃料是一种很有前景的化石燃料替代品，然而其发电依赖的催化剂主要由稀有昂贵的金属铂组成，这限制了氢燃料的广泛商业化。据16日发表于《自然·纳米技术》杂志的论文，美国加州大学洛杉矶分校研究人员报告了一种方法，使他们能够达到并超过美国能源部（DOE）设定的高催化剂性能、高稳定性和低铂使用率的目标。
这项破纪录的技术使用了铂钴合金的微小晶体，每个晶体都嵌在由石墨烯制成的纳米袋中。与DOE催化剂标准相比，石墨烯包裹合金产生了非凡的结果：催化活性提高75倍；功率提高65%；在燃料电池预期寿命结束时，催化活性提高约20%；在模拟使用6000—7000小时后，功率损失降低了约35%，首次超过了5000小时的目标；每辆车所需的铂金几乎减少了40%。
如今，全球铂及类似金属总供应量的一半用于化石燃料驱动的汽车的催化转换器，这种成分可以降低其排放物的有害性。每辆车需要2—8克铂。相比之下，目前的氢燃料电池技术每辆车消耗约36克铂。而研究团队测试的最低铂负荷下，每辆氢动力汽车只需要6.8克铂。
那么，研究人员是如何从更少的铂中获得更多能量的呢？他们将铂基催化剂分解成平均3纳米长的颗粒。更小的颗粒意味着更大的表面积，也意味着更多发生催化活性的空间。然而，较小的颗粒往往会挤在一起形成较大的颗粒。
研究团队通过在2D材料石墨烯中装载他们的催化剂颗粒来解决这一限制。与煤或铅笔芯中常见的散装碳相比，这种薄碳层具有惊人的容量，可高效地导电和导热，是类似厚度的钢强度的100倍。
他们的铂钴合金被还原成颗粒。在集成到燃料电池之前，这些颗粒被石墨烯纳米袋包围，纳米袋还充当了一种防止颗粒迁移的锚，这正是商用车所需的耐久性水平所必需的。与此同时，石墨烯允许在每个催化剂纳米颗粒周围留出约1纳米的微小间隙，这意味着可能会发生关键的电化学反应。
22
08-26
北京大学和普林斯顿大学的两名研究人员发现，扭曲石墨烯的激发谱参数与重费米子模型的属性直接对应。在他们发表在《物理评论快报》（Physical Review Letters）上的论文中，Zhi-Da Song 和 B. Andrei Bernevig 描述了建立一个模型来展示 Bistritzer-MacDonald 模型的各个方面，然后用它来演示扭曲双层石墨烯的特性。Paul Scherrer 研究所的 Aline Ramires 在 Nature 上发表了一篇新闻与观点文章（doi: https://doi.org/10.1038/d41586-022-02108-w），概述了Bernevig 和 Song 的工作。拓扑重费米子模型。(a) MATBG及其重费米子模拟物moiré单元的示意图，其中局域矩和流动电子分别由AA -堆积区域和拓扑导通带(c) 上的有效 f 轨道形成。(b) 魔角θ=1.05°时BM模型的能带结构，其中moiré BZ和高对称动量如图所示。Bloch状态和试验wf之间的重叠部分用红圈表示。所构造的最大局域WFs (f轨道)的密度分布显示在下面的嵌板中。(c)拓扑重费米子模型给出的谱带(黑线)与BM谱带(蓝叉)比较。在解耦极限中的c(蓝色)和f(红色)带，其中γ=v '百科=0，显示在插图中。橙色虚线表示f - c耦合开启时能级的演化。资料来源: Physical Review Letters (2022). DOI: 10.1103/PhysRevLett.129.047601
石墨烯是一种平面的二维碳片，是一个值得研究的课题。四年前的一项研究工作涉及将一层石墨烯放在另一层之上，然后扭转最上面的一层。经过反复试验，这些研究人员发现将顶层石墨烯片层扭曲一定角度（1.05度）会导致超导体的产生。研究人员将这个扭曲角度称为“魔角”。从那时起，其他研究人员一直在研究以魔角排列的扭曲双层石墨烯的属性。在这项新工作中，研究人员研究了它的激发光谱，发现它与费米子模型的参数相对应。
之前的研究表明，在正确的方向上扭曲的双层石墨烯具有一些独特的特性——例如，一组电子会四处移动，这就解释了它的导电性。但另一组电子保持不变。这种材料的两种相互矛盾的特性使科学家能够将样品推到绝缘体和超导体之间。
为了更好地理解为什么会发生这种情况，Song 和 Bernevig 创建了一个系统模型，然后用它来进行描述材料行为的精确计算。他们发现，与重费米子材料相比，他们能够描述扭曲双层石墨烯的结构。更多的工作表明，材料的参数直接对应于重费米子模型的参数。重费米子物质是那些位于元素周期表底部的物质。
22
08-19
当今数据生产呈现爆炸式增长，传统的冯·诺依曼计算架构已成为未来继续提升计算系统性能的主要技术障碍。相变随机存取存储器（PCRAM）可以结合存储和计算功能，是突破冯·诺依曼计算构架瓶颈的理想路径选择。它具有非易失性、编程速度快和循环寿命长等优点。然而，PCRAM中相变材料与加热电极之间的接触面积较大，造成相变存储器操作功耗较高，如何进一步降低功耗成为相变存储器未来发展面临的最大挑战之一。缩小加热电极尺寸是降低功耗的关键。
石墨烯纳米带（GNR）是一种准一维的石墨烯纳米结构，其具有超高载流能力（＞109 A/cm2），且热稳定性高，可以用作相变存储器的加热电极。
中国科学院上海微系统与信息技术研究所研究员宋志棠、王浩敏组成联合研究团队，首次采用GNR边缘接触制备出目前世界上最小尺寸的相变存储单元器件。7月18日，相关研究成果以《通过石墨烯纳米带边界接触实现相变存储器编程功耗最小化》（Minimizing the programming power of phase change memory by using graphene nanoribbon edge-contact）为题，在线发表在《先进科学》（Advanced Science）上。
研究团队采用石墨烯边界作为刀片电极来接触相变材料，可实现万次以上的循环寿命。当GNR宽度降低至3 nm，其横截面积为1 nm2，RESET电流降低为0.9 μA，写入能耗低至~53.7 fJ。该功耗比目前最先进制程制备的单元器件低近两个数量级，几乎是由碳纳米管裂缝（CNT-gap）保持的原最小功耗世界纪录的一半。同时，GNR作为加热电极且充当半导体沟道材料，可在2.5 MHz的时钟频率下实现D型触发器的时序逻辑功能。
这是目前国际上首次采用GNR边缘接触实现极限尺寸的高性能相变存储单元，器件尺寸接近相变存储技术的缩放极限，实现了超低功耗、高编程速度、出色的高/低电阻比，并展现出良好稳定性/耐用性。该新型相变存储单元的成功研制代表了PCRAM在低功耗下执行逻辑运算的进步，为未来内存计算开辟了新的技术路径。研究工作得到国家自然科学基金委员会、国家重点研发计划、中科院战略性先导科技专项和上海市科学技术委员会等的支持。
22
08-05
清华大学朱宏伟课题组综述 | 石墨烯材料在人工智能中的最新进展
自人类进入计算机时代，随着信息技术的发展（硬件的进步和算力的增强），人们一直在努力制造能够模拟人类智能以实现高效问题解决和任务决策的机器，由此引入了“人工智能”的概念。基于“冯·诺伊曼”架构的传统计算机是解决结构化问题的理想平台，但其信息处理依赖于处理器和存储单元之间频繁的数据传输，不可避免地限制了其计算效率且增大了能量损耗。相比之下，人脑是一种高效的生物计算系统，以超低的能量消耗实时处理非结构化数据。模拟生物大脑是使人工智能达到更高水平的唯一途径，包括软件（机器学习模型）和硬件（神经形态器件）两种模拟方式。石墨烯等二维材料的出现极大地推动了低维材料的革命性发展。因具有优异的光、电、热、磁等特性和成熟的晶片尺寸单晶制备工艺，石墨烯是当前研究最为广泛和深入的二维材料，在人工智能的基础研究和应用发面均展现出了极大的潜力。
清华大学材料学院朱宏伟课题组综述了石墨烯等材料在机器学习和神经形态器件等方面的最新研究进展，相关论文发表在 Advanced Intelligent Systems 上。文章首先介绍了机器学习的基本方法和常见模型，从“软件”（深度学习模型）和“硬件”（神经形态器件，如人工突触和人工神经元）两方面论述了人工神经网络的差异，生物突触的结构和工作原理以及神经形态器件中人工突触的仿生原理和基本评价指标。随后，总结了机器学习在石墨烯的性能（电学、力学、热学等）预测、结构（原子级结构、尺寸和形状）预测、反向设计（成分、结构）和传感器任务识别（化学物质识别、动作识别、3D成像）等方面的应用案例。综述了基于石墨烯的人工突触的两种构建方法和基本原理，介绍了石墨烯基晶体管和忆阻器的最新进展。最后，分析了石墨烯材料在人工智能应用中存在的问题及面临的挑战，对其未来应用前景进行了展望。
22
07-31
友情链接
利物盛网店
小程序
