在ChemicalReviews、小龙虾和AngewandteChemie、小龙虾和NanoEnergy、 Chem、ACSNano、MaterialsHorizons、AppliedCatalysisB:Environmental、JournalofMaterialsChemistryA、NanoResearch、ACSAppliedMaterialsInterfaces、Nanoscale、ChemSusChem、ChemicalCommunications、2DMaterials、Chemistry–AEuropeanJournal 等国际学术期刊上发表60余篇学术论文。

宝们组装了Li-CO2/O2（V:V=4:1）电池考察不同催化剂对Li2CO3的电化学分解性能。在所合成的Ru/NiO@Ni/CNT催化剂中，小龙虾和一维CNTs相互交联。

宝们图8. (a)Ca[B(hfip)4]2/DME电解质在不同电流密度下的循环性能。制备的K2CoFe(CN)6电极材料的可逆放电容量为50mAh/g，小龙虾和在0.1A/g电流密度下表现出理想的循环稳定性。当增大负载量到16mg/cm2时，宝们电池能运行120个循环以上而不发生容量和效率的降低。

改性不仅在PIM-中引入了阳离子导电性，小龙虾和还可将有效孔隙大小降至最优值(
0.8nm)，从而排除溶剂分子通过。然而，宝们锂的丰度有限，可能没有足够的Li资源用于电网能源存储和电动汽车。

组装的Zn-Mn液流电池，小龙虾和在电流密度为40mA/cm2时，库伦效率为~99%，能量效率接近78%。

宝们图1.K2CoFe(CN)6电极材料的表征结果[1]。再者，小龙虾和随着计算机的发展，小龙虾和许多诸如第一性原理计算、相场模拟、有限元分析等手段随之出现，用以进行材料的结构以及性能方面的计算，但是往往计算量大，费用大。

随后开发了回归模型来预测铜基、宝们铁基和低温转变化合物等各种材料的Tc值，宝们同样取得了较好结果，利用AFLOW在线存储库中的材料数据，他们进一步提高了这些模型的准确性。然后，小龙虾和使用高斯混合模型对检测到的缺陷结构进行无监督分类（图3-12），并显示分类结果可以与特定的物理结构相关联。

图3-1机器学习流程图图3-2 数据集分类图图3-3                       图3-3 带隙能与电离势关系图图3-4 模型预测数据与计算数据的对比曲线2018年Zong[5]等人采用随机森林算法以及回归模型，宝们来研究超导体的临界温度。虽然这些实验过程给我们提供了试错经验，小龙虾和但是失败的实验数据摆放在那里彷佛变得并无用处。