德克萨斯大学达拉斯分校

导读

据美国德克萨斯大学达拉斯分校官网近日报道，该校研究人员在氧化锌的基础上，开发出了一种新型多值逻辑晶体管，使每个晶体管可以表示更多的信息。

背景

近几十年来，由于计算机芯片制造商们学会了如何缩小单个晶体管（表达数字信息的微型电气开关）的尺寸，计算机以及相似的电子器件变得越来越小。

晶体管（图片来源：维基百科）

科学家们一直在致力于让晶体管变得尽可能的小，这样就使得每片芯片上容纳的晶体管数目越来越多。“摩尔定律”指出：“当价格不变时，集成电路上可容纳的晶体管数目，约每隔18个月便会增加一倍，性能也将提升一倍。”

摩尔定律-集成电路芯片上晶体管数量（1976-2016）（图片来源：维基百科）

可是，如今摩尔定律却正面临严峻挑战。科研人员们正在快速逼近晶体管尺寸的物理极限，最近的晶体管模型的宽度大约低至10纳米（约30个原子）。

美国德克萨斯大学达拉斯分校材料科学与工程系教授赵京宰（Kyeongjae Cho）博士表示：“电子器件的处理能力来源于在单个计算机芯片上相互连接的几亿甚至几十亿个晶体管。但是，我们正在迅速逼近晶体管尺寸的下限。”

创新

为了进一步提升处理速度，微电子行业正在寻找替代技术。赵教授的研究在线发表在4月30日的《自然通信（Nature Communications）》期刊上，它将提供一个拓展晶体管“信息量”的解决方案。

传统晶体管表示的信息只有两个值。作为开关来说，晶体管要么开要么关，转化为二进制语言就是0和1。

（图片来源：谢菲尔德大学）

一种增加处理能力却不增加晶体管数量的方法，就是引入二进制器件的“开关状态”之间的中间状态，从而增加每个晶体管可以表达的信息量。一种基于这个原理的晶体管就是所谓的“多值逻辑晶体管”，它将在单个器件上展开更多操作并处理更多信息。

赵教授表示：“多值逻辑晶体管并不是新概念，制造类似器件的尝试已经有过许多次，而我们实现了它。”

通过理论、设计与仿真，德克萨斯大学达拉斯分校赵教授的研究小组在氧化锌的基础上，开发了多值逻辑晶体管的基础物理规则。他们的韩国合作伙伴成功地制造并评估了原型器件的性能。

（图片来源：德克萨斯大学达拉斯分校）

技术

从电子学角度来说，赵教授的器件具有在0与1之间稳定且可靠的两个中间状态，将每个晶体管表示的逻辑数值的数量从两个提升至三到四个。

赵教授及其同事们开发的技术采用了一种新结构，即两种形式的氧化锌组合而成的复合物纳米层。然后，它在超晶格中与其他材料的层整合到了一起。

左图展示了在新型晶体管中两种形式的氧化锌组合而成的复合物纳米层：氧化锌晶体（在红圈内）嵌入到非晶体氧化锌中。右图是一个展示电子密度分布的计算机结构模型。（图片来源：德克萨斯大学达拉斯分校）

研究人员们发现，他们通过在非晶体氧化锌中嵌入氧化锌晶体（也称为“量子点”），满足了多值逻辑的物理要求。这些组成非晶体的原子并不像它们在晶体中那样严格有序地排列。

价值

赵教授表示，这项新研究的意义非常显著，不仅因为这项技术兼容现有的计算机芯片配置，也因为它可以在现今的计算机与量子计算机（计算机能力的下一个里程碑）之间架起桥梁。

传统计算机采用一连串精确的0与1来进行计算，而量子计算机的基础逻辑单元更加灵活多变，它们的值可以同时是0与1的结合，或者是介于二者之间的任何值。尽管目前量子计算机尚未进行大规模商用，但是理论上来说，量子计算机能比目前的计算机，存储更多的信息，更快地解决特定问题。

"IBM Q"量子计算机系统（图片来源：IBM研究院）

赵教授表示：“包含多值逻辑的设备将比传统计算机更快，因为它运算能力超越了二进制逻辑单元。通过量子单元，你将具有连续的值。”

他继续说道：“晶体管是一项非常成熟的技术，量子计算机却离商业化还很遥远，这是一个巨大的鸿沟。所以我们应该如何跨越这个鸿沟呢？我们需要某种演进的途径，即一项在二进制与无限自由度之间架起桥梁的技术。我们的研究仍然是基于现有的器件技术，所以它并不是像量子计算机那样的革命性技术，但是它在朝着这个方向演进。”

未来

赵教授已经为这项技术申请了专利。他表示：“通过设计这种材料，我们发现我们可以创造出一种新型电子结构，带来这种多值逻辑特性。氧化锌是一种著名的材料，它往往会形成晶体和非晶体，所以它是我们开始时的一个显而易见的选择，但是它可能并不是最佳的材料。随着我们尝试优化这项技术，我们下一步将研究这种特性在其他材料中有多普遍。”

“展望未来，我也想看到我们如何将这项技术与量子器件联系起来。”

这是读芯术解读的第108篇论文

ACL 2018 Long Papers

综述：在线产品评论帮助性的建模与预测

Modeling and Prediction of Online Product Review Helpfulness: A Survey

德克萨斯大学达拉斯分校

University of Texas at Dallas

本文是达拉斯德克萨斯大学人类语言技术研究所发表于 ACL 2018 的工作。本文综述了近十年来在产品评论帮助度预测和理解方面的相关工作，阐述了自己的见解，为对今后的研究具备一定的指导意义。

1 引言

在线评论帮助性的计算建模和预测研究通常在两个方向进行。一个是关于评论帮助性的自动预测，其中帮助性通常定义为它所收到的“帮助”投票数的分之一。NLP和文本挖掘中的评论帮助性研究主要集中于识别评论的文本内容特征，这些特征对于帮助性的自动预测是有用的。另一个方向是关于理解帮助性评估的本质，研究者试图理解人类评价帮助性的过程以及影响帮助性的因素。

如今，客户经常根据不同类型的用户评论（例如，酒店、餐馆、产品、电影）来决定花钱买什么。鉴于web平台上可获得的大量评论，一个评论有用性预测系统可以通过提示人们关注最有帮助性的评论，来大大节省人们的时间。因此，一个成功的评论帮助性预测系统也可以作为一个产品推荐系统。

不幸的是，与NLP的许多关键研究领域不同，在帮助性自动预测中确定领先技术模型绝非易事。首先，系统在不同的数据集上进行训练，不是所有的数据集都是公开可用的。第二，研究人员没有建立在彼此成功的基础上，并不一定是根据最先进的基线来评估他们的想法。更糟糕的是，新的特征并不总是正确的评估。这种有点混乱的局面可以部分归因于缺乏供研究人员讨论长期远景的共同论坛和在这一领域研究的路线图。

本综述的目的是阐述产品评论帮助性的计算建模与预测的研究现状。我们专注于产品评论的动机是，他们是最广泛研究的评论类型。尽管如此，我们的工作也不仅仅适用于产品评论。虽然在线平台在目标和评论领域存在差异（例如，Amazon是在线产品商店，Yelp是商业评论网站，TripAdvisor是各种旅游活动的预订网站），但是控制帮助性投票过程的原则在各平台和领域之间是健壮的。这意味着，如果不是全部，我们的研究结果可以转移到其他类型的在线评论上。我们相信，这项调查将有助于研究人员和开发人员有兴趣更好地了解评论帮助性背后的机制。

2 数据

过去研究中使用的产品评论的主要来源是Amazon.com，但是关于Ciao.com（一个现在已经失效的产品评论网站）的数据，已经有了大量有趣的工作。这两个源之间的主要区别是与它们相关联的元数据：Amazon.com提供匿名投票信息，而Ciao将用户ID附加到帮助性投票中。Ciao也使用0到5的帮助性选票，而亚马逊选票是二进制的。此外，Ciao提供关于社会信任网络的信息，如果用户发现他们的评论一贯有帮助，他们选择与评论者联系，这与Amazon.com不同，Amazon.com不提供任何这样的社会信任网络。这些差异使得基于Ciao.com数据的方法不能被用于Amazon.com上。

数据集通过个eb scraping 或API从前述来源收集。当谈到亚马逊数据集时，研究人员可以选择两个预先收集的数据集之一：多领域情感数据集（MDSD）和亚马逊评论数据集（ARD）。这些数据集具有相似数量的产品类别（分别为25和24）。然而，最新版本的MDSD包含1422530个评论，而ARD包含1亿4280万个评论。此外，ARD提供了在MDSD中不存在的各种元数据（例如，产品salesrank）。据我们所知，预先收集的只有Ciao数据集（302232评论，43666名用户和8894899个帮助性投票）。然而，很少有研究人员使用这些预先收集的数据集。取而代之的是，大多数依赖于直接从网站收集他们自己的数据集。如前所述，普遍缺乏对预先收集的数据集的测试，使得系统间的对比相对困难。

大多数研究人员只是简单地使用帮助性得分（投票认为评论有帮助性的用户的比例）作为系统训练和评估的基本事实。考虑到这些分数在评论投票数少的情况下是不稳定的，研究人员经常过滤掉没有最低投票数的评论。一些研究人员认为，帮助性得分可能不是实际帮助性的良好指标，但是这些方法不是标准。

研究人员在评论数据集中观察到有趣的模式。例如，正面的评论更有可能具有高的帮助性得分，与低级别的评论相比，排名靠前的评论拥有不成比例的投票数，而最近的评论往往比排名靠前的评论获得的投票数要少。

帮助性得分与评论质量可能没有强相关性。图1中的示例显示了质量和分数之间的差异。虽然这篇综述相对较短，并且只包含对其产品的几个判断，但是102人中有97人认为它有帮助（0.95分）。这篇评论的质量似乎不符合其近乎完美的分数。这些差异可以被解释为若干调节因素的结果，这些调节因素直接影响帮助性投票过程，但在现有的帮助性预测系统中很大程度上被忽略。

3 帮助性预测

帮助性预测任务包括评分回归(预测评论的帮助性评分h∈[0,1])、二元评论分类(将评论分类为有用或不用)以及评论排名(根据其帮助性对一组评论进行排序)。在这一部分中，我们提出了在过去的工作中探索的评价措施和方法。

关于性能测量，分类任务使用Precision, Recall, and F-measure。回归任务大多使用均方误差（MSE）和均方根误差（RMSE），均方根误差是均方根误差的平均值。排名系统使用归一化折扣累计增益（NDCG）和NDCG@k，NDCG@k是NDCG的一个特殊版本，NDCG通常用于度量信息检索中搜索结果的相关性（这里，帮助性用作相关性的度量），NDCG@k只考虑排名前k的（这是因为用户只阅读有限数量的评论）。研究人员还使用Pearson和Spearman的相关性来衡量模型拟合和排序的性能。

接下来，我们提供了对用于预测在线产品评论帮助性的方法的高级概述。

回归主要是通过支持向量回归进行的，然而，概率矩阵因式分解、线性回归和扩展张量因式分解模型已经成功地用于将复杂的约束集成到学习过程中，并且已经实现了对回归的改进。多层神经网络也被用于这个目的。特别是，似乎有更先进的模型的进展。例如，基于HMM-LDA的模型来联合推断评论者的专业知识、预测方面和评论帮助性，这比简单的模型有显著的改进。分类方法大多基于支持向量机，但也使用了阈值线性回归模型、Naive Bayes、Random Forests、J48和JRip。最近有工作使用了神经网络。关于排名，一些研究人员使用了特定于排名的方法，如SVM排名，但是其他人试图从分类或回归输出中恢复排名。

表1提供了在帮助性预测系统中使用的一些最相关的特征的概述，解释了它们的关系。在这里，我们主要区分内容和上下文特征。内容特征着重于直接源自评论的信息，例如评论文本和星级评定，而上下文特征侧重于来自评论之外的信息，例如评论者/用户信息。

帮助性预测的经典方法包括发现新的手工制作的特征，这些特征可以提高系统性能。尽管继续发现许多有趣的特征（例如，情绪、目标和基于论点的特征），但是缺乏用于性能比较和特征消融的标准数据集，这阻碍了其的进一步发展。

即便如此，正如NLP的许多其他领域一样，最近基于神经网络架构的系统已经表明，在使用手工制作的特征以及执行原始文本预测时的性能都有所提高。此外，最近的研究已经证明能够很好地处理领域知识迁移问题。直观地说，我们期望基于神经网络体系结构的模型能够更好地捕捉潜在语义。同时，结合了用户和评论者特性的系统，特别是那些从单个用户投票中学习的系统，已经显示出比广泛的手工制作的纯基线具备更大的性能提高，并且更加复杂。专注于评论语义学习的模型也显著优于手工制作特征的基线。

4 帮助性投票过程：实体和调节因素

到目前为止，我们已经提出了在有用性预测系统中使用的特征的概述。除了少数例外，过去关于帮助性预测的工作只关注非调节因素（即，可观察到的特征，这些特征有助于帮助性得分，但不能改变或影响投票过程本身）。即便如此，研究人员还是对某些调节因素（即影响投票过程结果的机制和性质）进行了研究。在这一节中，我们将提出各种调节因素。

直观地说，人们可以预期这四个实体——审稿人、用户、评论和产品——在确定投票过程的结果中起作用。此外，合理地期望这些实体的性质以及它们之间的交互有时通过隐藏的特征/变量来表达。例如，一个人不能直接观察用户对产品的意见，除非他/她写评论，并且不能直接观察特定用户的信息需求或产品的性质，这将表明什么样的评论对它最有帮助。接下来我们将讨论为这些实体中发现的每一个不同的调节因素，已经被用来近似它们的可观测特征，以及它们对投票过程的影响。

观察表明用户和审稿人意见的差异会影响帮助性投票。由于用户的意见是隐藏的，基于假设的星级评级是良好的舆论指标。针对100万亚马逊美国书评，研究了评论星评级偏离平均值（评论者的意见与产品的平均意见之间的差异）与星评级方差（针对产品的意见一致程度）之间的相互影响，得出以下结论内容：

1. 当星级差异非常低时，最有帮助的评论是那些具有平均星级的评论。

2. 有适度的差异，最有帮助的评论是那些稍高于平均星级。

3. 当差异变大时，星评级高于或低于平均值的评论更有帮助（正面的评论仍然被认为更有帮助）。

另外，通过观察用户的行为，可以测量用户和评论者的特质相似性，并用于增强帮助性预测。他们指出，在社交网络中，评论员和用户之间联系的存在和强度，以及产品评级历史相似性，调节了特定评论员的评论的一般用户意见。具体而言，他们分析了Ciao信任圈中的社交网络连接，该社交网络是如果用户始终认为自己的评论有帮助，则用户与评论者相连接，以及用户和评论者的产品评级历史，并提出了以下观察结果：

1. 用户很可能会认为与他们联系的评论者的评论更有帮助。

2. 用户与评论者的联系越强烈，用户就认为评论更有帮助。

3. 用户很可能会认为具有类似产品评级的评论者的评论会更有帮助。

4. 用户和评论者的产品评级越相似，用户就认为评论者的评论越有帮助。

产品本质调节了用户的信息需求和有帮助的评论标准。现在网上商店的产品目录大得惊人，在价格、用途、目标市场、复杂性、受欢迎程度等方面可能非常不同。因此，期望用户的信息需求至少多少取决于所讨论的产品，这是合理的。考虑买房子和买电视的任务。我们可以很容易地看出，购买电视或房子所需的信息的数量和性质是完全不同的。此外，这些产品的质量来自不同的来源：电视的感知质量主要取决于它的技术特征，而房子的感知质量在某种程度上取决于潜在的买家。因此，对不同类型的产品有帮助的评论是不同的。

评论的风格影响了它的特性。众所周知，当谈到表达意见时，信息的呈现方式几乎与信息本身一样重要。即使两个评论家对产品有相似的看法，当评估他们的评论有多大帮助时，他们表达意见的方式也会有很大的不同。考虑决定是否买一辆专用车的任务。对于这个决定，什么建议可能有用？我们可以考虑主要与汽车本身有关的常规建议、将汽车的各个方面与其备选方案联系起来的比较建议，以及着重于使用的建议性建议。

5 总结

在线产品评审帮助性建模和预测是一个多方面的任务，涉及使用内容和上下文信息来理解和预测帮助性得分。研究人员现在至少有三个公开的、预先收集的产品评审数据集——MDSD、ARD和Ciao——可以构建和测试系统。虽然在寻找手工制作的特征以用于帮助性预测方面取得了重大进展，但是由于缺乏标准评估数据集、定义良好的基线和特征消融研究，妨碍了所提出方法之间的有效比较。然而，在帮助性预测方面已经有了令人振奋的进展：试图利用用户和评论者信息的系统，以及那些基于复杂模型（例如，概率矩阵分解法、HMM-LDA）和神经网络体系结构的系统，是有前途的。

论文下载链接：

http://aclweb.org/anthology/P18-1065

相比较传统义肢，机械义肢有诸多优点，但也存在成本高、噪音大、续航差等诸多不足。近日来自德克萨斯大学达拉斯分校的科学团队开发出了一种新型机械义肢，利用最初用于国际空间站机器人提货的电机，打造出了更安静、摆动更灵活的义肢原型。

传统义肢使用过程中，使用者通常每走一步都要抬起和摆动臀部，以便将腿抬离地面并向前移动。这导致了一种不自然的步态，不仅令人疲惫，而且随着时间的推移可能会导致疼痛和受伤。

而机械义肢包含电动关节，每走一步都会自动将腿部弯曲起来并向前移动。为了适应有限的空间，电机通常体积小，旋转速度快。一系列的齿轮被用来将扭矩从这些电机传递到关节。

但这种机械义肢会产生很大的噪音，另外它们还增加了阻力，使关节无法自由摆动。此外，这些电机还消耗了大量的电池电量，限制了用户一天的行走距离。

而科学团队开发的新义肢原型只在膝盖和脚踝关节处装备了两个电机，功率足够大，只需要最小的传动装置--这意味着该腿比其他机器人假肢更安静，而且摆动更自由。

此外，机器人腿部还集成了一个再生制动系统，在每次迈步结束时都会使其减速。这种设置不仅能让脚不至于以震荡的力量与地面相碰，还能用捕捉到的能量为电池充电。因此，据称，只需对电池进行一次初始充电，就足以满足一整天的行走需求，这比其他机器人假肢的续航能力高出一倍。

科学家们现在正在改进控制算法，使该设备能够根据地形、行走速度和活动的变化自动调整。由 Robert Gregg 副教授（现在在密歇根大学工作）领导的关于这项研究的论文最近发表在 IEEE Transactions on Robotics 杂志上。

【来源：cnBeta.COM】

纵观亚洲高等教育，香港的教育水平无疑在国际上还是处于领先水平的，是许多学生选择求学、发展的目的地。香港也有很多的知名学府，香港城市大学就是近年来表现极为突出的一所香港高等院校。香港城市大学含金量高吗？——如果你还不了解，看完这篇内容就知道了。

香港城市大学是一所国际化的公立研究型综合大学，坐落于中国香港九龙塘。从世界排名来看，不论是整体还是单一学科上，排名都是节节上升的，这反映香港城市大学在教学、科研、国际化等各方面成绩突飞猛进，国际对这所年轻大学的认同。比如根据QS 2021 6月最新公布的数据来看，香港城市大学的世界排名晋升至48位，同时教员论文被引用率如今名列全球头22名，这些都是城大雄厚实力的最好证明。在单一学科方面，香港城市大学不少专业领域听说都挺不错，尤其商科及工科都是大中华圈内比较有名的，如2019年德克萨斯州大学达拉斯分校“全球100所最佳商学院研究”亚太区排名第1。从这些排名上来看，香港城市大学的含金量还是很高的，毕业证书很吃香。

香港城市大学的含金量是毋庸置疑的，除了在国际排名上表现出色，在学术、教研环境方面也尤为突出，香港城市大学以“心件”为上推动教研合一，它是一种文化、心态、行为习惯和思维模式。不论做甚么，都要有心，否则即使硬体和软体齐备，对于教育和社会的帮助也只不过是缘木求鱼。

香港城市大学师资力量雄厚，拥有500名持有海外知名学府的博士学位、150名曾于海外的大学担任专职教研工作，共有900余位分别来自22个国家的教师，从学科专业、师资力量以及办学规模上来看，香港城市大学的含金量都是非常高的！

那么，申请香港城市大学研究生需要什么样的条件呢，内地的学生要如何才能申请呢？具体条件有以下这些：

1、申请人的学历：申请人必须持有认可大学所颁授的学士学位。

2、申请人的英语水平条件也需要达到托福79分或以上、雅思6分或以上、大学英语测验六级。而对于个别的院系或专业，英语水平的要求可能会更高。

3、某些学位课程将会有具体要求，通过笔试面试进行下一步的要求。

通过以上的内容，相信大家对于香港城市大学的含金量高有了更多认识，香港城市大学实力不俗，申请条件也不是很苛刻，可以说是一所性价比很高的高等学府。面对国内严峻的考研形势，众多学子不妨考虑一下这所学校吧。

新型发电机将电池或废气的热量转成电能

概要：美国德克萨斯州大学达拉斯分校的研究人员研发了一款发电机原型，能够利用液态金属将废热转化成清洁电力

创新：项目瞄准的是能够产生80至115华氏度（约合26.7至46.1摄氏度）低温热量的热源，此类热能转化成电能的难度更大。研究人员开始采用了磁流体动力（MHD）发电机，一个通过在磁场中移动液体以发电的装置。并将镓作为工作液体，镓在超过85华氏度（约合29.4摄氏度）的温度下就会变成液体，这是获取低温热源的最佳温度。研究人员证明，可以从低温热源中获取能量，并利用此种热量熔化、维护液体金属，以驱动发电机

应用：可以将电动汽车的电池和废气中的热量转化成电能，从而提高电动汽车的效率

新电极锂离子电池阳极硅含量达到92%

概要：浙江农林大学、华中科技大学与斯坦福大学的研究人员为锂离子电池研发了一种无粘结剂、灵活、独立的电极，硅含量达92%

创新：研究人员研发了一种基于纤维素的拓补微漩涡结构，在该硅CNT（碳纳米管）碳微漩涡设计中，碳涂层硅纳米颗粒被固定在导电碳纳米管上，随后被放置在纤维素碳辊中，碳辊中有足够的空隙让硅体积膨胀，因而能够让高反应活性的硅得以均匀分散。此种结构使锂离子电池的电极比容量达到了超高的2700 mAh g1，具备良好的循环稳定性， 300次循环后，比容量大于2000 mAh g1，硅含量仍高达85%。而且实际商业水平容量达5.58 mAh cm2。整个电极都无需粘结剂，研究人员还研究了该电极能够用作锂离子电池中灵活、无粘结剂且独立的阳极

阿贡推光电融合新机制 加速充电且不降低性能

概要：美国能源部阿贡国家实验室的研究人员开发新机制，加快电动汽车锂离子电池充电速度。只需将正极暴露在集中的光束下（如氙灯发出的白光），电池充电时间就会缩短一半或更多

创新：阿贡推出光辅助技术（photo-assisted），使用透明容器，在充电时通过集中的光束照亮电池电极。研究小组制作带有透明石英窗的小型锂离子电池。然后，让白色的光从窗口照射到正极上，再测试没有白光的情况。研究人员假设，在充电过程中，白光会与典型的正极材料发生良好的相互作用。测试结果显示，光与LMO相互作用，成为加速反应的关键因素。作为半导体材料，LMO可以与光发生反应，在充电时吸收光子，锰元素的电荷状态会从三价态变为四价态。因此，锂离子从正极喷射出来的速度更快，从而加快电池反应。研究小组发现，反应越快，充电速度越快，而且不影响电池性能和循环寿命

新分析技术 提升电池正极材料性能

概要：美国阿贡国家实验室团队开发强大的新分析技术，在三维空间中探测晶体微结构，寻找下一代电池正极材料

创新：合作项目通过同步加速器中心的高功率X射线束进行研究，探索“嵌入”过程中发生的事情。为了寻找更好的正极材料，科学家们利用X射线和电子衍射，确定锂离子或其他插入物如何形成长程有序结构。这种结构阻碍正极内金属离子的移动，影响金属离子在循环过程中的提取和插入，降低了电池性能。研究团队首先制备嵌入钠离子的层状氧化钒正极材料单晶。三维“图像”显示，钠离子在氧化钒原子的分离列中呈锯齿形。当温度降到室温以下时，晶体结构中的原子变得更加有序化。在钠电池中，离子会沿着这些锯齿形通道扩散。研究人员发现，锯齿状裂痕越大，离子的迁移率就越高。离子迁移率越高，正极材料的性能越好

苏州科学家研发新粘结剂 或促进锂硫电池商业化

概要：苏州大学锂硫电池能源与材料创新研究院的科学家为锂硫电池研发了一种单锂离子通道聚合物粘结剂

创新：新型粘合剂具有单一的锂离子通道，允许快速运输锂离子。科学家们通过在锂硫电池充放电循环中实时监测电解液中多硫化物的浓度，以及电池的容量存留情况，证实了该聚合物粘结剂对锂硫电池的效果。通过现场紫外-可见光光谱（UV-vis）测量，研究人员证实该聚合物粘结剂能够有效地阻止多硫化物的穿梭。此外，新研发的粘结剂具备良好的粘结性能和机械稳定性，在电池充放电循环后，可保持硫化物阴极的结构完整性

应用：具备单锂离子通道的聚合物粘结剂是实现高能量锂硫离子电池的最有效策略之一

日本科学家将掺硼纳米金刚石用作超级电容器电极

概要：科学家Takeshi Kondo与东京理科大学团队以及日本化学公司Daicel Corporation合作，探索利用掺硼纳米金刚石（boron-doped nanodiamond）作为超级电容器电极的可能性

创新：研究人员认为掺硼金刚石具有宽电位窗，能够让高储能设备在长时间内保持稳定。科学家们采用了一种名为微波等离子体辅助化学气相沉积（MPCVD）的技术来制造此类电极，并通过测试验证性能。他们发现，在含有水硫酸电解液的双电极系统中，此类电极产生的电压比传统电池高得多，因此超级电容器的能量和功率密度也高得多。此外，即使经过1万次的充放电循环，该电极仍然非常稳定。随后，研究人员将电解液变成饱和高氯酸钠溶液，结果显示，此种电极材料产生了更高的电压