清华大学

本研究采用简单经济的刮削法制备了梯度浓度的EP和rGO复合材料。具有梯度浓度的新型复合材料在电学和热性能方面与非梯度浓度样品一样出色，即使在使用低浓度的rGO时仍保持卓越的机械性能。此外，融冰实验进一步证明，梯度浓度的复合材料有望在恶劣天气下具有优异的除冰性能。此外，简单易控的制备方法也使梯度浓度复合材料适用于工业生产和实际应用。

引入适量石墨烯调制电-声输运行为，实现热电性能的显著提升。最终，Cu2Se-BiCuSeO-石墨烯复合热电材料的ZT峰值可达2.82（1000 K）且在473 K-1000 K范围内的平均ZT值可达1.73，是该体系目前报道的最高性能。本策略简单有效，有利于实现大规模工业化制备，为其在中高温区废热回收及温差发电的应用奠定研究基础。

分子动力学（MD）模拟表明，锚定在石墨烯骨架上的富氢键位点可以显著加速蒸发过程。此外，通过量身定制的超亲水性和水下超疏油性有效抑制纳米/亚微米级油的聚集，确保稳定持久的蒸发性能。凭借所有这些优点，GPA能够从酸碱腐蚀乳液，含油盐水，苦咸水，海水和生活污水中实现高效的水净化，为将来获得安全管理的饮用水铺平了道路。

该制备技术简单实用，有望应用于图案绘制和自动化批量生产。实验结果表明，SGTAD经过多次拉伸、刺激、折叠、洗涤和弯曲后都能输出稳定的声音，不同频段的平均性能退化率分别为8.94%、9.2%、9.4%、9.8%和6%。所提出的设备在六个关键领域优于以前的设备：拉伸性、性能稳定性、防破坏性、易于准备、可弯曲性和声音性能。

量子点结构牢固的锚定在石墨烯片层上，不仅增强了结构稳定性，而且改善了导电性，从而加速了离子传输和电荷迁移。良好的结构特性赋予了电极材料更好的电化学表现，所合成的NiFe2O4QD/G复合电极材料表现出优异的电容性能（1 A g-1时比电容达到697.5 F g-1，10 A g-1时比电容为501.0 F g-1，1万次循环后比电容没有明显衰减 ）。

基于机器学习，作者设计了多维语音识别和智能通信系统。在语义识别方面，CNN上的训练数据集和测试数据集上的识别准确率分别高达99.66%和96.63%。另外，GHRI提取语音内容、情感和身份特征，进行智能交流和回复，实现无障碍聊天。此外，经济上可行的材料和简单的制造工艺使GHRI适合大规模生产，在机器人智能领域具有广阔的发展前景。

在有机电解质中的稳定性是锂电池集流体应用塑料聚合物基材的一个关键标准。基于我们的研究结果，塑料集流体对有机电解质是惰性的，但对石墨烯薄膜有良好的附着力。

任天令团队成员开发了一款基于石墨烯的智能可穿戴人工喉（AT），同商业麦克风和压电薄膜相比，人工喉对低频的肌肉运动、中频食管振动和高频声波信息有很高的灵敏度，同时也具有抗噪声的语音感知能力。对声学信号和机械运动的混合模态的感知使人工喉能够获得更低的语音基频信号。此外，该器件还可以通过热声效应实现声音的播放功能。人工喉的制作过程简单、性能稳定、易于集成，为语音识别和交互提供了一种新的硬件平台。

我们开发了一种机械联锁策略，将分散良好的高填充含量(高达20 wt %)氮化硼纳米片(BNNSs)掺入聚四氟乙烯(PTFE)基质中，从而形成可塑、易于加工和可重复使用的BNNS/PTFE复合面团。重要的是，由于面团的延展性，分散良好的BNNS填料可以重新排列成高度定向的方向。