AI驱动闭环框架实现DSA工艺约束到可制造版图设计空间的转换
研究提出一种面向定向自组装（DSA）的AI驱动闭环模拟框架，将三维Ohta-Kawasaki模型与贝叶斯优化、卷积神经网络筛选结合，利用实验跑道模板数据自动标定模型参数，平均模拟与实验误差低于1.5 nm并保持形貌一致性。
推荐理由：该框架把实验跑道模板数据接入贝叶斯优化与CNN筛选，自动标定DSA模型，平均模拟与实验误差低于1.5 nm。
#机器学习
Advanced Science精选AI 评分5858
ACS Nano精选AI 评分5858 纳米孔事件分布结合机器学习识别七种高分子量多糖
研究提出一种纳米孔分析策略，将多糖水解为信息片段后，以其纳米孔事件分布作为分子指纹，成功识别并区分黄原胶、阿拉伯胶、琼脂糖、海藻酸钠、结冷胶、肝素和硫酸软骨素A共七种多糖。基于片段事件整体分布的机器学习分类器验证准确率达100%，结合全约束最小二乘（FCLS）算法还可定量多糖混合物的组成。
推荐理由：原文展示了水解片段经纳米孔事件分布形成指纹、并用机器学习分类七种多糖的流程，可作为复杂多糖结构解析的可迁移思路。
Advanced Functional Materials精选AI 评分6262 大语言模型引导迭代设计超稳定钠离子电池电解质
作者提出一种文献知识引导的迭代工作流，将大语言模型与贝叶斯优化结合，用于钠离子电池电解质的理性设计。优化得到的双阴离子杂化溶剂化电解质（DHSE）构建协同溶剂化结构，诱导形成致密、富无机且机械稳固的 CEI，抑制副反应并降低去溶剂化势垒以加速 Na+ 传输。
推荐理由：原文给出 LLM 结合贝叶斯优化筛选电解质的流程，以及 Ah 级软包电池的能量密度与循环保持率数据。
Advanced Functional Materials精选AI 评分6060 深度Q网络优化TiO2/NOA61微柱阵列提升蓝光顶发射OLED出光耦合
研究用深度Q网络（DQN）联合优化TiO2/NOA61微柱阵列的半径、周期和TiO2填充率φ，并将选定结构纳米压印到Ag顶电极上，用于蓝光顶发射OLED的模式重分布增强出光耦合。
推荐理由：用深度Q网络联合优化TiO2/NOA61微柱阵列的半径、周期与填充率，为蓝光顶发射OLED的出光耦合设计提供可迁移的参数寻优思路。
Advanced Materials精选AI 评分6262 高通量实验结合机器学习为非富勒烯有机太阳能电池溶剂优化确定品质因子
研究提出一套高通量工作流，用于确定非富勒烯受体（NFA）基有机太阳能电池溶剂优化的品质因子（FoM）。以 D18:L8BO 为代表性体系，通过高通量实验与成膜过程中的原位光学表征制备多种溶剂配方，机器学习分析发现沉积过程中给体与受体初始吸收比（I_D/A）是关键 FoM，可高效优化溶剂。
推荐理由：原文用高通量实验与原位光学表征结合机器学习，给出可迁移的溶剂筛选判据，读者可据此理解有机太阳能电池配方优化的数据驱动路径。
Advanced Science精选AI 评分6262 机器学习模拟揭示深共晶溶剂结构化电解质中的非线性量子效应驱动 Grotthuss 质子传导
研究以咪唑和乙酰丙酸组成的深共晶溶剂为结构化电解质，发现其延展的氢键链与质子化咪唑的快速重取向可增强 Grotthuss 质子扩散，从而绕开高粘度导致低电导率的限制。
推荐理由：原文展示了咪唑/乙酰丙酸深共晶体系中氢键链与质子化咪唑快速重取向如何绕开高粘度限制，实现 Grotthuss 质子传导。
Advanced Materials精选AI 评分6262 物理引导主动学习筛选 PEDOT:PSS/EGaIn 柔性热电复合材料用于自供电创面生物电子
研究团队提出一种小数据、文献来源、物理引导的筛选与设计框架，将贝叶斯优化与 XGBoost 回归结合并做实验验证，用递归特征消除选出的 18 个物理描述符预测界面能垒，测试集 R² 为 0.87。
推荐理由：用物理引导的主动学习筛选能量过滤型热电复合材料，并给出创面愈合的器件与动物实验数据，可看数据驱动筛选如何落到生物电子应用。
Journal of the American Chemical Society精选AI 评分8282 机器学习引导设计半刚性空穴选择性自组装单分子层，倒置钙钛矿电池效率达 26.36%
研究团队用成对排序 Siamese D-MPNN 在已发表 SAM 对照-目标数据对上训练，发现降低尾基平面性可提升 PCE，据此设计出七元环 SAM 4PABAP（ML 评分 +2.54）和 4PAHBAP（+5.52），均高于 4PACz（−0.32）。
推荐理由：用成对排序 Siamese D-MPNN 从已发表 SAM 数据中筛选空穴传输分子，并给出可迁移的机器学习先行再验证流程。
ACS Nano精选AI 评分6262 用扩展机器学习分子动力学模拟聚合物衍生硅碳氮陶瓷的相分离
研究开发并应用了一种含氢硅碳氮（SiCNH）陶瓷的机器学习原子间势，训练数据库包含超过9000个构型，涵盖非晶模型、高温态、表面与晶体结构预测。该势支持8000原子体系的大规模分子动力学模拟，揭示热处理过程中碳畴从非晶SiCN基体逐步形核、形成类石墨烯片层，同时保持陶瓷网络完整。模型复现了实验原子对分布函数，并显示缺陷五元环和/或七元碳环介导向稳定六元芳香结构的转变。
推荐理由：原文给出机器学习势函数训练数据库规模与8000原子模拟尺度，可了解聚合物衍生陶瓷相分离的原子级模拟路径。
Advanced Science精选AI 评分6262 生成式 AI 与主动学习提升纳米架构材料比刚度
研究提出一种在体素化结构空间中直接搜索的框架，将立方对称单胞编码为连续隐表示，并用代理模型引导的多目标搜索配合主动学习循环，把预测结果反复转化为高保真验证数据。
推荐理由：用生成式 AI 与主动学习在体素结构空间直接搜索，得到超出预设拓扑族的碳纳米架构，并给出刚度与强度提升幅度。
已经到底了