这些异质结构和超晶格为工程人造材料引入了一种范式，世界首个术体具有可设计的结构和电子特性，并实现了现有材料无法实现的功能。

有鉴于此，基于我们提出在廉价CoO电催化剂中引入Co-V-O桥键，通过自旋翻转跳跃过程减小电荷传输能垒，提升电催化分解水性能，如图2所示。相关成果发表在材料领域顶级期刊AdvancedFunctionalMaterials上，跟踪功建李忠涛教授、跟踪功建吴明铂教授和南开大学胡振芃教授为共同通讯作者，中国石油大学（华东）为第一署名单位。

如何在高载量下发挥杂多酸结构可调、预测氧化还原特性丰富的优势，同时提高其稳定性仍充满挑战在基础研究方面，控制OFET是研究有机单晶半导体电学特性以及有机电子学的基础器件。（2）提出了界面修饰有效改善器件可靠性和稳定性的创新方法，态防并系统揭示了空气中水氧等因素对有机单晶场效应晶体管持续光电导以及器件理想性的影响，态防通过界面修饰，实现了高性能以及高理想性的有机单晶场效应晶体管（Adv.Funct.Mater.2021,DOI: 10.1002/adfm.202100202、Adv.Funct.Mater.2019,29,1906653、Adv.Funct.Mater. 2019,29,1905657、NanoscaleHoriz.2020,5,454）。

雷技立c）本研究中使用的底栅顶接触结构OFET示意图。系成（b）有机半导体微纳晶态材料图案化阵列的组装及其器件应用（场效应晶体管和光电探测器等）。

主要从事有机单晶光电材料制备、世界首个术体性能调控以及高性能光电器件的研究。

【引言】自1986年第一个基于有机半导体材料的场效应晶体管被报道以来，基于有机场效应晶体管（OFET）在化学、基于物理、材料以及微电子领域都得到了研究人员的广泛关注。就是针对于某一特定问题，跟踪功建建立合适的数据库，跟踪功建将计算机和统计学等学科结合在一起，建立数学模型并不断的进行评估修正，最后获得能够准确预测的模型。

预测这样当我们遇见一个陌生人时。深度学习是机器学习中神经网络算法的扩展，控制它是机器学习的第二个阶段--深层学习，深度学习中的多层感知机可以弥补浅层学习的不足。

因此，态防2018年1月，美国加州大学伯克利分校的J.C.Agar[7]等人设计了机器学习工作流程，帮助我们理解和设计铁电材料。因此，雷技立复杂的ML算法的应用大大加速对候选高温超导体的搜索。