1.中国科学院微电子所在IGZO 2T0C 3D DRAM领域取得进展；

2.西安交大张志成、杨鸿辉、郗凯团队在锂金属电池领域取得重要进展；

3.北理工团队在纳米晶数据库与大模型领域取得重要进展；

4.中国科大提出基于内部压力-温度耦合的锂离子电池早期异常判别方法

1.中国科学院微电子所在IGZO 2T0C 3D DRAM领域取得进展

人工智能和高性能计算应用的快速发展，使得对大容量、高带宽存储的需求急剧增加。高速SRAM因其6T结构限制，难以实现大容量；而片外DRAM由于访问延迟较高，无法满足高带宽需求。在此背景下，基于IGZO的2T0C架构可以后道集成于逻辑芯片上，被认为是兼顾大容量与高带宽的有效解决方案。但目前2T0C DRAM的研究局限于平面架构和垂直4F²架构，缺乏单步多层的三维集成方案，限制了密度的进一步提升。

针对这一挑战，中国科学院微电子研究所集成电路制造技术全国重点实验室团队联合北京超弦存储器研究院，创新性地提出了基于2T0C单元结构的3D DRAM单步多层堆叠方案，并首次展示了4层堆叠3D 2T0C。这种新型3D DRAM采用垂直字线架构和双栅2T0C单元设计，具有高读取裕度、稳定双栅读取控制和低制备成本等优势。基于双栅调控的IGZO晶体管实现了优异性能和高稳定性。所制备的3D 2T0C单元兼具高速写入与长数据保持能力，并成功实现多值存储，大幅提升了存储密度。

基于这一成果的文章《Highly stackable 3D DRAM of Dual-gate IGZO 2T0C with Record 3 bits/cell and 400s Data Retention》被VLSI 2026（2026 IEEE Symposium on VLSI Technology）收录。微电子所博士后廖福锡、北京超弦存储器研究院朱正勇研究员为第一作者，微电子所李泠研究员、杨冠华副研究员、北京超弦存储器研究院赵超研究员为共同通讯作者。

图1 高分辨率TEM表征

图2 稳定多层器件性能、读取窗口增大、3比特储存

（来源：中国科学院微电子研究所）

2.西安交大张志成、杨鸿辉、郗凯团队在锂金属电池领域取得重要进展

锂金属电池因其超高理论比容量和低电极电位，被认为是突破现有电池能量密度瓶颈的重要体系，在电动汽车等领域具有广阔应用前景。然而，锂金属电池在实际运行过程中仍面临界面离子传输动力学失衡、浓差极化严重、锂枝晶生长和循环寿命不足等关键问题，尤其在快充和高负载条件下更加突出。隔膜作为锂金属电池中的关键组成部分，不仅承担防止正负极短路的物理屏障功能，也直接影响锂离子传输、阴离子迁移、界面浓度分布和锂沉积行为。传统聚烯烃隔膜如聚丙烯（PP）主要作为惰性多孔膜使用，缺乏对离子传输的化学选择性调控能力；现有功能隔膜设计也多依赖特定极性基团或吸附位点，整体上仍较依赖经验筛选，缺乏能够关联材料电子结构与界面传输动力学的有效描述符。

针对上述问题，西安交通大学化学学院张志成教授、杨鸿辉教授、郗凯教授团队基于对离子传输动力学和Sand’s time的理论分析，提出以“框架电负性”作为理解和调控共价有机框架（COF）改性隔膜界面离子传输行为的新型电子结构描述符，用于关联COF骨架电子结构与孔道静电环境变化。在这一设计思路指导下，研究团队设计并合成了TPCOF、TDCOF和TFCOF三种具有相同孔道拓扑结构的COF材料，通过逐步氟化在保持孔道结构基本一致的前提下，连续调节孔壁电子结构和静电环境。研究发现，随着框架电负性提高，COF孔道内形成增强的“推-拉”静电微环境，一方面促进Li+传输，另一方面限制PF6- 迁移，从而降低阴离子对电荷传输的相对贡献，缓解浓差极化并延缓Sand’s time所对应的Li+ 耗尽边界。结合计算模拟和实验验证，团队进一步揭示了框架电负性与浓差极化、Sand’s time之间的内在关联，为隔膜的理性设计提供了描述符指导。采用TFCOF@PP隔膜的磷酸铁锂全电池在5 C条件下循环4000次后仍保持83.1%的容量保持率，并在高电压NCM811、高温运行和软包电池安全测试中表现出良好稳定性。

该研究成果以《框架电负性调控锂金属电池界面传输动力学》（Framework Electronegativity Governs Interfacial Transport Kinetics in Lithium-Metal Batteries）为题发表在国际著名期刊《美国化学会杂志》（Journal of the American Chemical Society）上。西安交通大学化学学院为第一通讯单位，博士生吴瑶为论文第一作者，西安交通大学张志成教授、杨鸿辉教授、郗凯教授为共同通讯作者，香港城市大学郭再萍教授参与合作研究。

该工作得到了国家自然科学基金以及秦创原高层次创新创业人才项目等项目的资助，并获得了西安交通大学丁书江教授、饶彬教授、西安交通大学国家储能技术产教融合创新平台耿直老师的指导以及西安交通大学分析测试共享中心在测试表征方面的支持。（来源：西安交通大学）

3.北理工团队在纳米晶数据库与大模型领域取得重要进展

近日，北京理工大学智能光子学团队在“大语言模型+纳米合成”的交叉研究方面取得重要进展。通过建立一个包含近16万条对齐数据、涵盖了合成步骤、反应物以及纳米晶物化性质等关键特征的综合数据库，构建了用于结构化提取和生成式逆向设计的大语言模型，实现了对特定目标产物候选合成路线的精准逆向生成。该研究结果以"A Large-Scale Nanocrystal Database with Aligned Synthesis and Properties, Enabling Generative Inverse Design"为题发表于期刊《ACS Nano》。

随着人工智能技术的飞速发展，深度学习在材料结构预测方面取得了令人瞩目的进展，科学家们能够以前所未有的精度预测出具有优异潜在性能的新型材料结构。然而，在这些激动人心的成果背后，材料化学领域依然面临着一个严峻的困境——“知其结构不知其造法”。即便我们在计算机中设计出了一种极具潜力的纳米晶，想要在真实的实验台中上合成出来，仍需依赖传统且低效的“试错法”。

由于纳米晶的合成参数与其最终的物理化学性质之间存在着复杂的关联，这种耗时耗力的传统模式极大限制了新材料的落地效率。因此，发展能够直接输出合成路线的“逆向合成设计”成为了亟需突破的目标。

文章亮点：

1.信息提取与大容量数据库构建

为了解决缺乏高质量对齐数据的痛点，研究团队开发了名为NanoExtractor的大语言模型，专为结构化化学信息的提取和对齐而生。通过研究人员精心设计的四种数据增强策略，它能够从海量且非结构化的科学文献中，精准提炼出复杂的合成路线及其对应的产物性质（图1）。

图1. 利用NanoExtractor构建数据库的流程示意图

研究团队针对大语言模型提取精度问题，定制了四种数据增强策略来增加数据的多样性、学会自我纠错、抑制幻觉和置信度校准策略（图2）。NanoExtractor在测试集评估中的加权平均分提升至92%（不使用数据增强，模型得分仅为20%），不仅远超其他化学专用大模型（仅为 9%），也大幅领先于通用大语言模型（57%）。

图2. 对于NanoExtractor的四种数据增强策略(a)和提示词设计(b)

基于这一强大的信息提取工具，研究团队成功构建了规模庞大的纳米晶合成-性质数据库（NSP数据库）。汇集了近16万条高质量的对齐数据条目，广泛覆盖了水热合成法、热注入法等各种金属纳米晶、量子点和纳米复合材料合成方法。NSP数据库不仅为纳米晶领域提供了一座数据富矿，更为后续训练逆向设计模型奠定了基石。

2.NanoDesigner逆向合成设计模型

利用NSP数据库，研究团队进一步开发了专用于生成式逆向合成设计的大模型NanoDesigner。只需向模型输入目标产物、限定的反应物以及期望的性质，NanoDesigner 就能在复杂的化学空间中进行高效计算，直接生成具体的、可执行的合成路线（图3）。在整体性能评估中，研究团队引入F1得分用于评估模型是否准确包含了用户限定的反应物； ROUGE得分则用于量化生成的合成序列与参考输出之间的重叠度。评估结果显示，NanoDesigner的F1得分达到了0.85，ROUGE得分也达到了0.42。这意味着模型生成的步骤与真实的合成路线具有极高的一致性，有效克服了基线模型虽然F1得分高（0.95）但ROUGE得分极低（仅为0.07）、无法生成连贯正确路线的弱点。

图3. NanoDesigner大模型针对目标产物、限定反应物和目标性质，输出具体的、可执行合成路线的例子

为了验证模型的设计路线并非纸上谈兵，研究团队对多个纳米晶系统（包括CsPbBr3、PbS、PbSe以及极少被报道的MgF2）进行了实验验证（图4）。在MgF2纳米晶的合成中，NanoDesigner详细说明了合成方法、后处理步骤，但推荐了一种反常规的非化学计量比（Mg:F=1:1）前驱体浓度（如图3所示）。后续的实验结果证实，这个反化学直觉的条件，对于抑制副产物NaMgF3的形成起到了至关重要的作用。相比之下，目前最先进的通用大模型（如GPT和Grok-4）由于依赖于常规的化学直觉进行推理，未能发现这一关键的合成条件。

图4. (a) MgF2胶体纳米晶TEM图像、(b) 非计量比和 (c) 计量比的产物XRD图样；(d) CsPbBr3量子点的吸收和发射曲线；(e) PbS和 (f) PbSe纳米晶的TEM图像

研究团队指出，尽管目前的NanoDesigner在生成复杂的核壳结构路线时仍有提升空间，但NSP数据库的建立已经为开发正向预测和逆向设计模型打下了最为关键的基础。随着该数据库的开源、逆向设计算法的快速迭代，以及命名实体识别技术的深度整合，在不久的将来，材料科学家将真正实现纳米材料高效、精准的“所想即所得”。（来源：北京理工大学）

4.中国科大提出基于内部压力-温度耦合的锂离子电池早期异常判别方法

日前，我校火灾安全全国重点实验室王青松研究员团队围绕锂离子电池热失控早期异常识别难题，提出了一种基于内部压力–温度耦合和多源数据融合的早期异常判别方法。相关成果以“Early-stage anomaly discrimination in lithium–ion batteries using internal pressure–temperature coupling and multi-source data fusion”为题，发表在《科学通报》（Science Bulletin）上。

锂离子电池热失控通常经历低强度副反应、气体生成、压力积累和温度快速上升等阶段。实际应用中，早期异常往往仍落在传统正常数据范围内，温度、电压和气体等外部可观测信号的显著变化具有一定滞后性，导致预警窗口被压缩。内部压力直接关联气体生成和材料副反应，但不同容量、触发方式和工况下压力–温度路径差异显著，难以通过单一阈值实现统一判别。因此，如何在“正常数据区域”中解析状态演化差异，是提升早期预警可靠性的关键。

针对上述问题，研究团队构建了涵盖52Ah和300Ah磷酸铁锂电池的过充、热滥用及正常循环实验数据集，共包含30类变量和200余组实验。数据分析表明，在相同压力水平下，不同工况对应的温度差异可超过100°C，说明电池状态演化呈现显著路径依赖。团队进一步从时间序列局部演化结构出发，提取温度与压力的协同变化特征，并将异常识别从单点阈值判别转向对演化路径偏离和动力学加速的识别。

在模型构建方面，研究团队通过多模型协同判别和序列级校正，提高了复杂工况和特征重叠区域中的识别稳定性。蒙特卡洛重复验证结果显示，该方法在不同容量电池中均保持较低误判水平：52 Ah电池的误报率和漏报率总体处于个位数百分比范围，300 Ah电池的误报率进一步降至低于1%，漏报率约为3%。与仅使用温度信号相比，引入压力信息后，误报率可降低一个数量级以上，漏报率也明显下降，表明压力信号能够为早期异常识别提供非冗余信息。

研究团队还开展了初步跨体系验证。基于同一生产体系的三元（NCM523）电池数据分析表明，压力–温度关系拟合精度保持在较高水平，异常识别过程中的误报率维持在和磷酸铁锂电池类似的范围，验证集与测试集均保持稳定判别结果。该结果说明，尽管不同化学体系的参数分布存在偏移，压力–温度协同演化规律仍具有一定可迁移性。

该研究从内部状态演化角度丰富了锂离子电池热失控早期预警的特征体系，为在正常表征范围内识别潜在异常提供了新的技术路径。相关方法有望为电池管理系统、储能安全监测和新能源汽车热安全预警提供参考。

我校火灾安全全国重点实验室博士研究生程志翔为论文第一作者，王青松研究员为论文通讯作者。该研究得到国家自然科学基金等项目支持。

图1 基于压力-温度耦合的早期异常判别框架

（来源：中国科学技术大学）