祝贺赵彦龙的综述论文《人工智能工具赋能碳纳米管研究：从合成到应用的机遇》被 Carbon and Hydrogen 期刊录用！

近日，本课题组所撰写的综述论文“Artificial Intelligence Tools for Carbon Nanotube Research: Opportunities from Synthesis to Applications” 被 Wiley 旗下期刊 Carbon and Hydrogen 录用。论文通讯作者为清华大学化工系张如范副教授，第一作者为本课题组博士生赵彦龙。

碳纳米管具有优异的力学、电学和热学性能，在电子器件、能源存储、复合材料、传感器和催化等领域具有重要应用潜力。然而，碳纳米管的可控合成和结构调控长期受到复杂生长过程的限制。其生长通常涉及温度、气体组成、催化剂状态、前驱体分解、碳扩散和沉积动力学等多因素耦合，微小参数变化即可显著影响碳纳米管的直径、密度、排列方式、缺陷程度和结晶质量，进而决定最终材料性能。传统依赖经验试错的实验方式往往成本较高、效率有限，也难以实现跨实验室数据的统一比较。

该综述系统总结了人工智能工具在碳纳米管研究中的应用进展，重点围绕碳纳米管的合成优化、自动化表征和应用导向的结构-性能建模三个环节展开。论文梳理了监督学习、贝叶斯优化、主动学习、深度学习、大语言模型和迁移学习等方法在碳纳米管研究中的适用场景，讨论了人工智能如何帮助研究人员理解复杂实验变量、减少试错成本、提升数据利用效率，并推动碳纳米管研究从经验驱动逐步走向数据驱动。文章进一步指出，人工智能并非替代材料科学家的实验判断，而是作为一种连接实验数据、结构描述符和应用性能的工具，帮助碳纳米管研究实现更加系统、可重复和可设计的发展。

图1. AI 辅助碳纳米管研究的整体框架及未来发展路线图

AI 辅助碳纳米管研究的整体框架及未来发展路线图。人工智能可在碳纳米管研究中连接合成、表征和应用三个关键环节：在合成阶段辅助筛选生长参数和催化剂体系，在表征阶段从显微图像和光谱数据中提取结构描述符，在应用阶段建立结构-性能预测模型，并将结果反馈至下一轮实验设计中。该综述认为，未来 AI 辅助碳纳米管研究的发展将依赖于高质量数据库、标准化表征、闭环实验平台以及面向碳纳米管体系的基础模型。

该研究工作得到了国家重点研发计划、国家自然科学基金、彤程创新研发基金、北京市自然科学基金、中石油创新基金和鄂尔多斯实验室等项目的支持。Carbon and Hydrogen 是由中国石化石油化工科学研究院有限公司主办、Wiley 出版的开放获取英文学术期刊，重点关注碳材料、氢能、能源转化与储存、催化、低碳化工及相关交叉领域的基础研究和应用进展，致力于推动碳与氢相关前沿科学和工程技术的发展。