金属有机框架（MOFs）因结构可调、应用广泛而备受关注，X射线衍射技术在材料表征领域的应用也已经比较成熟，但在高通量实验与自驱动实验室场景中，如何高效解析MOF材料的粉末X射线衍射（PXRD）数据，并据此预测晶体结构仍困扰着研究人员。北京大学深圳研究生院新材料学院潘锋教授团队致力于图论结构化学、AI4S和材料基因组学的研究，成功使用人工智能解析XRD，创新性地提出了一种基于扩散模型的生成式人工智能框架Xrd2Mof。该模型以PXRD图谱、金属节点和有机配体信息为输入，以MOF结构为输出，并首次将粗粒度化表示引入该任务中，用于提取与衍射最相关的骨架几何特征，从而保留关键“材料基因”信息。相关成果以“Interpreting X-ray Diffraction Patterns of Metal–Organic Frameworks via Generative Artificial Intelligence”为题，发表于《美国化学学会杂志》（JACS, 2026, 148, 1, 869–878）。

钴酸锂（LiCoO2，LCO）是目前手机等3C锂电池最主要的正极材料。产业需求在高截止电压下，实现高能量密度锂离子电池的同时能保持循环稳定性，但要实现高电压稳定运行，其界面化学的稳定性是基石。然而，在高压工况下，源自材料表面钴/氧（Co/O）催化位点的有害副反应难以遏制，这会引发碳酸乙烯酯（EC）溶剂的持续氧化分解、六氟磷酸锂（LiPF6）的水解，并最终导致LCO颗粒表面的结构退化。这些连锁反应严重制约了高能量密度钴酸锂电池的实际使用寿命与安全性。

钴酸锂（LiCoO2，LCO）是目前手机等3C锂电池最主要的正极材料。产业需求在高截止电压下，实现高能量密度锂离子电池的同时能保持循环稳定性，但要实现高电压稳定运行，其界面化学的稳定性是基石。然而，在高压工况下，源自材料表面钴/氧（Co/O）催化位点的有害副反应难以遏制，这会引发碳酸乙烯酯（EC）溶剂的持续氧化分解、六氟磷酸锂（LiPF6）的水解，并最终导致LCO颗粒表面的结构退化。这些连锁反应严重制约了高能量密度钴酸锂电池的实际使用寿命与安全性。

钴酸锂（LiCoO₂，LCO）因具有较高的体积能量密度，长期以来被广泛应用于消费电子产品的锂离子电池中。为进一步提升电池能量密度，提高充电截止电压成为释放LCO容量的重要途径。然而，当工作电压提升至4.5 V以上时，深度脱锂状态下的LCO容易发生表面晶格氧流失、近表面结构重构以及界面副反应加剧等问题，导致循环稳定性显著下降。因此，揭示高电压条件下LCO表面结构退化的起始机制，并据此发展有效的表面调控策略，是提升其高电压循环稳定性、延长循环寿命的关键所在。

为提升大家对实验室仪器设备的操作与使用能力，满足科研工作需求，材料基因与新能源测评中心计划开展新一轮仪器操作培训。

当前，随着电子器件向微结构化、规模化制造发展，尤其在印刷电子领域，高精度、高可靠性的印刷电极已成为决定器件性能与良率的关键因素。在金属导电浆料的性能调控体系中，实现颗粒均匀分散与烧结后可控融合，是制备高保真、低电阻率导电结构的核心条件。但颗粒间相互作用与有机载体的界面、流变行为之间相互影响。为此，载体体系需具备适配的流变性能，以保证印刷过程中的形貌稳定性，在烧结阶段则应促进颗粒渐进式颈缩生长，进而推动晶粒均匀长大。