21世纪材料高被引论文Top10盘点1.Theriseofgraphene该文2007年由英国曼彻斯特大学的A. K.Geim和K.S.Novoselov教授发表于NatureMaterials，交政行而在2010年两人就因为发现了石墨烯材料而获得了诺贝尔物理学奖，交政行并由此掀起了石墨烯以及各种二维材料的研究热潮。
密度泛函理论计算表明，通土与物理吸附纳米杂化物相比，该纳米杂化物结构中发现了强界面粘附，并且通过控制MXene硫化的程度来调节HER超电势。通过不同方法合成材料，木市发现Ti3C2Tx的拉曼光谱不仅受组成和表面基团的影响，还受插层物质和堆积的影响。
图5设计MXene打结碳纳米管复合电极，起步实现离子的快速传输。打结的碳纳米管中的大节状结构，到腾阻止了Ti3C2薄片的重新堆叠，并产生了快速的离子传输路径。交政行图6湿MXene薄膜制作工艺示意图。
因此，通土选择性湿法蚀刻工艺不像其他一些2D材料那样具有类似的合成限制。本研究确立了对MXene在弹性复合材料中行为的基本见解，木市并提出了实现MXene基纤维和纺织品的策略，木市该纤维和纺织品具有适用于健康、运动和娱乐的应变传感特性。
该研究结果为设计先进的电磁干扰屏蔽材料提供了指导，起步但也强调了探索电磁波与2D材料相互作用机制的必要性。
图11Ti3C2Tx、到腾肌酐和尿酸的示意图和它们之间的吸附过程。发现极性无机材料有更大的带隙能（图3-3），交政行所预测的热机械性能与实验和计算的数据基本吻合（图3-4）。
实验过程中，通土研究人员往往达不到自己的实验预期，而产生了很多不理想的数据。木市利用机器学习解决问题的过程为定义问题-数据收集-建立模型-评估-结果分析。
然后，起步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。到腾图2-2 机器学习分类及算法3机器学习算法在材料设计中的应用使用计算模型和机器学习进行材料预测与设计这一理念最早是由加州大学伯克利分校的材料科学家GerbrandCeder教授提出。