智能组杭州亚运会开闭幕式官方纪录片《绽放》将于11月28日—12月2日在浙江卫视首播。

CoSe2@CoNiLDHHNA作为三功能催化剂，预中在析氧/还原和析氢反应中均表现出较好的电催化性能。虽然硒化钴(CoSe)催化剂在能源领域已经展现出了潜在的应用能力，标年但其电催化活性和循环稳定性仍不尽人意。

特别是在导电衬底比如carbonclothes（CC）上生在的硒化物，产2h储池模产装一方面可以在没有粘结剂的情况下加速电解质的扩散，提高导电性。理论计算表明，配线异质结构的构建可以有效降低反应势垒，提高电导率，从而有利于提高电化学性能。项目引言水分解和金属空气电池是缓解当前能源困局的两种可观的技术。

【研究进展】近日，智能组来自南京航空航天大学彭生杰、智能组李林林和天津大学韩晓鹏（共同通讯）等通过水热-硒化-杂化策略（共同通讯）在AdvancedScience上发表文章，题为HeterointerfaceEngineeringofHierarchicallyAssemblingLayeredDoubleHydroxidesonCobaltSelenideasEfficientTrifunctionalElectrocatalystsforWaterSplittingandZinc-AirBattery。预中本研究可望为各种储能转化技术中高效多功能电催化剂的合理设计和结构工程提供理论依据。

实验结果和理论计算表明，标年CoSe2空心纳米管与CoNiLDH纳米片之间的非均相界面、标年分支形貌和三维空心结构使B-CoSe2@CoNiLDHHNA具有加速的反应动力学，丰富的活性位点以及对反应物合理的吸附能。

作者通过水热-硒化-杂化的方法，产2h储池模产装在CC上可控地制备了一种新型的连续生长3D分层杂化纳米结构阵列(HNA)(CoSe2@CoNiLDHHNA)，产2h储池模产装其中分支排列的CoSe2纳米管阵列被CoNiLDH纳米片覆盖。本研究发展了一套自监督学习方法，配线对各个数据库中总计七亿个无标签的小分子进行预训练，从特定任务中的分子序列提取特征。

此外，项目团队还对预测偏差较大的结构进行了详细分析，发现特殊氧化态和结构畸变的重要作用。该方法将大量无标签的分子数据利用起来，智能组同时借助代数图论方法补充结构的三维信息，从而提高对小数据样本的分子特征预测能力。

预中DOI：10.1021/acs.jpclett.1c03058。标年4.npjComput.Mater. ML材料性能预测—代数拓扑表达晶体结构材料结构的特征提取是材料学领域机器学习应用中的关键要素。