湘潭大学&武汉大学，最新Nature子刊
秋去冬来，北风凛冽，科研人宅在实验室捣鼓实验；
寒来暑往，四季更替，计算人猫在电脑前拨弄数据！
1.Nature Communications：机器学习模型加速聚合物长效注射剂的设计
长效注射剂，被认为是治疗慢性疾病最有前途的治疗策略之一，因为它们可以提高治疗效果、安全性和患者依从性。在这种药物配方策略中使用聚合物材料，可以提供无与伦比的多样性，因为能够合成具有广泛性质的材料。然而，包括药物和聚合物的物理化学性质在内的多个参数之间的相互作用，使得直观地预测这些系统的性能非常困难。这就需要通过广泛和耗时的体外实验来开发和表征广泛的候选配方。机器学习正在使包括药物发现和材料科学在内的许多领域取得跨越式的进步。目前的研究向数据驱动的药物配方开发迈出了关键一步，重点是长效注射剂。在此，为了解决这一挑战，来自加拿大多伦多大学的Alán Aspuru-Guzik & Christine Allen等研究者展示了机器学习算法可以用来预测这些先进的药物输送系统的实验药物释放。研究者还证明了，这些训练过的模型可以用于指导新型长效注射剂的设计。所述数据驱动方法的实施，有可能减少与药物配方开发相关的时间和成本。
参考文献：
Bannigan, P., Bao, Z., Hickman, R.J. et al. Machine learning models to accelerate the design of polymeric long-acting injectables. Nat Commun 14, 35 (2023). https://doi.org/10.1038/s41467-022-35343-w
原文链接：
https://www.nature.com/articles/s41467-022-35343-w
2.Nature Communications：通过马氏体时效效应和动态析出相转变使超强中熵合金的强度和延展性翻倍
针对环境问题，超高强度结构材料的需求，一直在稳步增长。马氏体时效合金，通过减少点阵缺陷和形成金属间析出相，而具有较高的抗拉强度和断裂韧性。半相干析出相是表现超高强度的关键；然而，它们仍然导致有限的加工硬化和均匀的延性。在此，来自韩国首尔大学的Seok Su Sohn等研究者展示了一种涉及变形半相干沉淀物及其基于两种有序相之间的窄稳定间隙的动态相变的策略。在模型中熵合金中，基体析出相既是位错势垒，又是位错滑动介质；晶界析出相，通过向基体析出相的动态转变，进一步促进了显著的加工硬化。这种组合，可以成倍提高强度和均匀延性，从而为开发各种超强金属材料提供了一种有前途的增强力学性能的合金设计理念。
参考文献：
Chung, H., Choi, W.S., Jun, H. et al. Doubled strength and ductility via maraging effect and dynamic precipitate transformation in ultrastrong medium-entropy alloy. Nat Commun 14, 145 (2023). https://doi.org/10.1038/s41467-023-35863-z
原文链接：
https://www.nature.com/articles/s41467-023-35863-z#Abs1
3.npj Computational Materials：通过机器学习预测晶格热导率-一个小综述
在过去的几十年里，分子动力学模拟和第一性原理计算，已成为预测晶格热导率(κL)的两种主要方法，但它们分别受到精度不足和计算成本高的限制。为了克服这种固有的缺点，机器学习(ML)已经成功地用于高通量准确预测κL。在此，来自武汉大学的刘惠军& Ying Fang等研究者介绍了近年来ML在κL直接预测和间接预测方面的研究进展，并对数据驱动模型的推导和应用进行了详细介绍。最后对目前的工作进行了简要总结，并展望了未来的发展方向。
参考文献：
Luo, Y., Li, M., Yuan, H. et al. Predicting lattice thermal conductivity via machine learning: a mini review. npj Comput Mater 9, 4 (2023). https://doi.org/10.1038/s41524-023-00964-2
原文链接：
https://www.nature.com/articles/s41524-023-00964-2
4.npj Computational Materials：Moiré准粒子-离激元耦合诱导的势重整化和超平坦带
Moiré势谱，可以形成平坦的电子带，并表现出电子的相关状态，其中载流子掺杂对于观察这些相关性至关重要。在此，来自美国华盛顿大学的Li Yang等研究者发现了一个隐藏但显著的多电子效应：掺杂载流子形成二维等离子体激元，并与准粒子强耦合，使moiré势重正化并实现超平坦带。利用多体微扰理论，研究者证明了这种效应在扭曲MoS2/WS2异质双层。载流子掺杂后，moiré势显著增强，带宽降低数量级，导致电子动能剧烈猝灭，相关性增强。研究者进一步预测，相关机制之间的竞争可以通过掺杂有效地控制，为Mott和电荷转移绝缘态之间的量子跃迁，带来了希望。该工作表明，掺杂的潜在重整化效应，在决定和控制半导体moiré晶体中的多电子电子相关性方面，比单一填充因子调谐更重要。
参考文献：
Zhu, L., Wang, H. & Yang, L. Moiré potential renormalization and ultra-flat bands induced by quasiparticle-plasmon coupling. npj Comput Mater 9, 8 (2023). https://doi.org/10.1038/s41524-023-00963-3
原文链接：
https://www.nature.com/articles/s41524-023-00963-3
5.npj Computational Materials：基于二维α-In2Se3/半导体异质结构的面内铁电隧道结
铁电隧道结(FTJs)，在高密度非易失性存储器中具有很大的应用潜力。最近，α-In2Se3被发现在单层厚度下表现出强大的面内和面外铁电极化，是作为小型电子器件铁电元件的理想材料。在此，来自湘潭大学的姜杰&杨琼等研究者设计了由α-In2Se3铁电和六方IV-VI半导体组成的二维van der Waals异质结构，并提出了基于这些异质结构的平面内FTJ。第一性原理计算表明，所设计的异质结构的电子带结构可以通过铁电极化在绝缘态和金属态之间切换。研究者证明了平面内FTJ在OFF和ON状态下分别表现出两种不同的传输机制，隧道和金属传输，导致巨大的隧道电阻效应，OFF/ON电阻比超过1×104。该结果为基于二维铁电/半导体异质结构的高密度铁电存储器，提供了一种有前景的方法。
参考文献：
Liu, Z., Hou, P., Sun, L. et al. In-plane ferroelectric tunnel junctions based on 2D α-In2Se3/semiconductor heterostructures. npj Comput Mater 9, 6 (2023). https://doi.org/10.1038/s41524-022-00953-x
原文链接：
https://www.nature.com/articles/s41524-022-00953-x
