1. 台积电被指侵权 ，美议员要求禁止进口其芯片

2. 北理工团队在智能电解液方面取得重要进展

3. 湖北大学在无铅热释电红外智能传感研究领域取得新进展

4. 湖北大学汪宝元教授团队荣获2025年湖北省自然科学奖二等奖

5. 北理工课题组在惰性气体保护层工程稳定高电压高镍正极方面取得进展

1. 台积电被指侵权 ，美议员要求禁止进口其芯片

全球晶圆代工龙头台积电（TSMC）近日卷入美国专利侵权诉讼风波。该案正在美国国际贸易委员会（ITC）审理，若最终认定侵权成立，最严重可发布排除令，导致相关芯片产品被禁止进口到美国。

本案起源于爱尔兰专利授权公司Longitude Licensing及Marlin Semiconductor，共同向ITC提出申诉，指控台积电利用先进制程生产的芯片侵犯其专利权，相关技术为AI加速器芯片关键技术之一。值得注意的是，Marlin Semiconductor所主张的部分专利，是由联电于2021年转让取得。

针对爱尔兰专利授权公司的控诉，美国众多议员联名致函ITC主席Amy Karpel，强调执行专利权的重要性。他们呼吁ITC，不应该因为台积电在美国AI和半导体供应链扮演关键角色就给予特殊待遇。

鉴于台积电是美国先进芯片核心供应商，此案也引起其他议员关切，并函请ITC，提醒任何制裁举措，恐冲击美国本土半导体生产、AI等高科技发展以及国防安全与当地经济。

本案涉及多家国际大厂，包括苹果及博通等，但焦点仍集中于台积电。根据ITC公开进度，行政法法官预计6月将作出初步裁定，委员会预计于10月作出最终决定。

台积电对此回应，公司在所有运营据点均坚守相关法律规范。

受AI热潮和供应吃紧带动，台积电去年75%营收来自北美市场。而台积电日前已承诺对亚利桑那州投资约1650亿美元，成为美国推动半导体自主化的核心战略之一。

中国台湾地区经济部门表示，中国台湾半导体厂商长期重视知识产权，并与国际客户、供应链伙伴维持密切合作，于全球各主要运营据点均依法合规经营，此案属企业间专利权争议及美国相关法制程序，现阶段仍在审理中，该部门尊重相关程序。中国台湾地区经济部门将持续关注后续发展，并与相关厂商保持联系，必要时提供合适协助，以确保中国台湾半导体产业在国际市场的稳定运营与供应链韧性。

2. 北理工团队在智能电解液方面取得重要进展

“让高压电解液从经验筛选走向智能发现”——这并非遥远设想，而是北京理工大学材料学院陈楠和陈人杰教授团队面向下一代高能量密度锂电池提出的AI4B研究框架。针对高电压条件下电解液易氧化分解、界面反应复杂、候选配方空间庞大和传统经验试错效率较低等关键瓶颈，团队于2026年6月在《Chemical Society Reviews》（影响因子：39.3）上发表题为“AI for Battery Accelerated Discovery of High-Voltage Electrolytes for Advanced Lithium Batteries”的前瞻性综述，以AI for Battery（AI4B）为主线，系统总结了机器学习在高压电解液结构解析、失效机制分析、分子高通量筛选、配方多目标优化和自驱动闭环研发中的应用进展，并提出将数据驱动模型、物理化学机制、理论计算和实验验证相结合的高压电解液智能发现框架，为高比能锂电池电解液的理性设计提供了新的研究思路。论文第一作者为北京理工大学材料学院2024级博士研究生湛煜，通讯作者为陈楠副教授和陈人杰教授。文章链接：https://doi.org/10.1039/D4CS01250J

从经验试错到AI4B：高压电解液研究范式转变

随着电动汽车、智能装备和大规模储能技术快速发展，锂电池正向更高能量密度和更宽工作电压窗口演进。然而，高电压条件下传统碳酸酯电解液容易发生氧化分解，并诱发气体释放、界面膜失稳、过渡金属溶出和阻抗增长等问题，成为限制高比能锂电池进一步发展的关键瓶颈。与传统依赖经验试错的研究模式相比，机器学习能够在复杂分子结构空间、溶剂化环境和界面反应之间建立数据驱动关联，为高压电解液的快速发现和理性设计提供新的方法基础。

图1：传统电解液研发范式与AI4B范式对比

综述首先从研究范式层面对高压电解液开发进行了重新梳理。传统电解液研究通常以实验经验和逐步试错为主，面对庞大的溶剂、锂盐和添加剂组合空间，往往需要经历长周期筛选和反复验证。该过程不仅研发成本高，而且难以在分子结构、溶剂化行为、界面反应和电池性能之间建立可迁移的定量关系。

AI4B范式则强调以数据和算法为核心，将实验数据、理论计算、分子模拟和机器学习模型有机结合，构建跨尺度、多物理场的研究框架。该范式不仅用于候选分子的高通量筛选，还能够进一步服务于电解液失效机理识别、界面反应路径解析和多目标配方优化。综述指出，AI4B的核心价值在于将高压电解液研究从“经验驱动筛选”推进到“数据驱动预测、理论指导计算和实验验证反馈”相结合的系统化研究模式。

深度学习算法为电解液结构表征和候选分子生成提供工具基础

在算法基础方面，综述系统梳理了循环神经网络、卷积神经网络、图神经网络、生成对抗网络、变分自编码器、流模型、扩散模型和Transformer等代表性深度学习架构。不同模型对应不同类型的数据结构和科学任务：循环神经网络适用于序列数据处理，卷积神经网络适用于图像和谱图特征提取，图神经网络能够天然表达分子结构和相互作用网络，生成模型则可用于候选分子构建和化学空间探索，Transformer架构则在跨模态信息整合和复杂关系建模方面展现出重要潜力。

图2：深度学习算法体系及其在材料研究中的潜在作用

对于高压电解液研究而言，深度学习的关键作用不只是提高预测精度，更在于增强对复杂结构信息的表达能力。分子结构、溶剂化鞘层、界面反应中间体和表征谱图均具有高维、非线性和多尺度耦合特征，传统手工描述符往往难以完整刻画这些信息。深度学习通过自动特征提取和表示学习，为建立分子结构、局域环境、界面行为与宏观性能的关联模型提供了方法支撑。

AI4B视角下高压锂电池研发的阶段演进

综述进一步提出了高压锂电池研发从 HV 1.0 到 HV 3.0 的阶段性演进框架。在HV 1.0阶段，电池工作电压通常低于4.3 V，研究模式主要依赖实验经验、单因素优化和有限的机理模型，研发周期较长，成本较高。进入HV 2.0阶段后，电池工作电压拓展至约4.3–5.0 V，能量密度显著提升，但同时伴随更加复杂的电解液氧化、界面膜演化和电极耦合失效问题。在这一阶段，AI主要作为辅助工具，用于溶剂化结构预测、高通量筛选、代理模型构建、多目标优化和图像识别等任务。

图3：高压锂电池研究从HV 1.0到HV 3.0的演进路径

面向未来HV 3.0阶段，即超过5.0 V并追求更高能量密度的高压电池体系，AI4B有望从辅助分析工具进一步发展为闭环研发平台。其典型特征包括目标导向的电解液逆向设计、可合成性约束下的候选体系生成、自驱动实验室、机器人高通量平台、主动学习驱动的实验策略、数字孪生、多尺度机理建模和跨领域知识迁移。该框架表明，高压电解液设计不再只是寻找单一稳定分子，而是需要在电压稳定性、离子传输、界面成膜、安全性、成本和可制造性之间进行协同优化。

面向未来：电池基础模型、自驱动实验室、模型可解释性与Science for AI

在展望部分，综述指出，高压电解液研究未来仍面临数据稀缺、模型泛化能力不足、复杂界面机制难以定量解析以及实验反馈周期较长等挑战。为推动AI4B从概念框架走向可操作的研究体系，文章提出了四个重点方向：面向电池领域的专用基础模型、自驱动实验室、模型可解释性提升以及Science for AI。

图4：AI4B范式的未来发展方向

其中，电池领域基础模型需要以高质量文献数据、实验数据、计算数据和多模态表征数据为基础，建立能够服务于电解液结构解析、性能预测和候选体系生成的通用表示框架。自驱动实验室则通过机器人实验、高通量测试、实时数据分析和主动学习决策，实现电解液配方的快速迭代优化。模型可解释性对于电池研究尤为重要，因为高压电解液设计不仅要求模型预测准确，更要求模型能够揭示分子结构、溶剂化环境和界面反应之间的物理化学联系。Science for AI则强调从物理、化学、概率统计、群论和神经科学等基础科学中吸收新思想，反向推动更适合科学问题的人工智能方法发展。

团队在吴锋院士牵头下，长期面向国家重大能源需求开展二次电池研究。自20世纪90年代起，团队持续推进镍氢电池关键技术研发，随后在锂离子电池及多电子高比能二次电池新体系方面形成了系统布局与特色积累。近年来，团队在电解液设计、界面调控、智能电池和多尺度机理分析等方向形成了系统积累。该综述的发表进一步体现了团队在人工智能与电化学储能交叉方向的持续布局，也为推动高压锂电池从经验开发走向数据驱动和机制约束相结合的智能研发提供了新的思路。

3. 湖北大学在无铅热释电红外智能传感研究领域取得新进展

近日，湖北大学与新加坡A*STAR材料研究与工程研究所合作，在无铅热释电材料研究领域取得新进展，相关成果以“Enhanced Pyroelectric Response in Quenched BNT-Based Lead-Free Ferroelectrics for Uncooled Infrared Detection”为题，发表于国际顶级期刊《Advanced Functional Materials》。该研究为解决无铅铁电陶瓷热释电性能的关键瓶颈问题提供了新思路，为高性能环境友好型红外探测器的开发奠定了重要基础。

图1.(a)已淬火BNT-Fe/Mn-NBT陶瓷样品沿[001]晶向的带有极化矢量映射的HAADF-STEM图像；(b)极化矢量幅度谱；(c)极化矢量相位谱；(d)图(a)中A位离子间距统计映射；(e)图(a)中B位离子间距统计映射；(f)已淬火BNT-Fe/Mn-NBT陶瓷样品沿[001]晶向晶体结构图。

热释电红外探测器通过感知红外辐射温度变化产生电荷信号，在红外成像、安防监控、智能家居等领域具有广泛应用。然而，传统含铅材料（如PZT）存在环境污染问题，而现有的无铅BNT基材料长期受限于室温热释电系数（proom）和退极化温度（Td）之间的相互制约，难以兼顾高灵敏度和高温稳定性。研究团队通过对BNT-Fe/Mn-NBT铁电陶瓷进行淬火处理，系统研究了其微观结构演变与性能调控机制。研究发现，淬火工艺可精准调控材料中的A/B位原子位移和氧空位分布，显著增强晶格畸变并提升热释电响应；同时，氧空位诱导的非均匀随机场有效抑制了铁电退极化，大幅提高了材料的热稳定性。最终，优化后的材料表现出优异的综合性能：室温热释电系数高达13.8×10−4C m−2K−1，退极化温度提升至155°C。基于该材料制备的红外探测器核心性能指标达到国际先进水平：电压响应度：5906 V W⁻¹，噪声等效功率：2.0×10⁻⁹ W Hz⁻¹/²，探测率1.8×10⁸ cm Hz¹/² W⁻¹。

图2.(a)BNT-Fe/Mn-NBT陶瓷样品热释电系数随温度变化的曲线；BNT-Fe/Mn-NBT陶瓷样品的优值因子（FOMs）：(b)Fd、(c)Fv、(d)Fi；(e)未淬火和已淬火BNT-Fe/Mn-NBT陶瓷样品的综合热释电性能对比图；(f)已淬火BNT-Fe/Mn-NBT陶瓷样品与典型的铅基及无铅热释电陶瓷的热释电性能对比图。

该研究不仅揭示了淬火工艺对无铅铁电材料性能的调控机制，还为设计新一代高性能、无铅化热释电红外探测器提供了理论指导，在军事侦查、环境监测、智能传感等领域具有广阔应用前景。我院沈孟副教授为论文第一作者，胡永明教授、张清风教授、陈勇教授与新加坡科技研究局姚奎教授共同担任通讯作者。该工作得到了国家自然科学基金和新加坡科技研究局RIE2020计划的资助，彰显了我校在国际科研合作与前沿材料研究中的影响力，标志着我校在功能材料与器件研究领域迈出重要一步。

论文链接：

4. 湖北大学汪宝元教授团队荣获2025年湖北省自然科学奖二等奖

近日，湖北省人民政府在省科技创新大会上发布《湖北省人民政府关于2025年度湖北省科学技术奖励的决定》，我院汪宝元教授、夏晨副教授为主要完成人的项目《固体氧化物电池功能复合材料的结构设计与界面作用机制》获自然科学奖二等奖。

该项目在多项国家自然科学基金项目、湖北省自然科学基金支持下，针对固体氧化物电池（SOC）电解质和阴极功能复合材料的结构设计和界面作用机制开展了系列研究工作，取得了丰富的创新性成果，将SOC研究从传统电化学理论过渡到半导体物理-电化学理论，在原理和技术层面均实现突破，对推动SOC的低温化发展具有重要意义。项目发表SCI论文40余篇，其中3篇入选ESI高被引；5篇代表论文发表于Nature Communications、Nano-Micro Letters、NPG Asia Materials、Science China Materials和Journal of Materials Chemistry A，被SCI引用678次、他引574次，单篇最高他引222次，被国际权威学者在Nature Materials、Energy & Environmental Science等顶刊正面评价并跟踪研究。

汪宝元教授团队长期致力于半导体离子材料与器件的研究工作，在固体氧化物燃料电池、集成电路先进封装和光电探测等领域取得了一系列研究成果，获授权专利12项，先后获批国家自然科学基金6项、湖北省自然科学基金4项，此前已获湖北省自然科学奖2项。团队汪宝元、夏晨近年连续入选斯坦福大学与Elsevier共同发布的“全球前2%顶尖科学家”榜单。

5. 北理工课题组在惰性气体保护层工程稳定高电压高镍正极方面取得进展

近日，北京理工大学刘琦研究员&陈人杰教授团队研究团队在惰性气体保护层工程稳定高电压高镍正极方面取得突破，相关研究成果以“Inert Gas-Based Protective Layer Engineering for Stabilizing Nickel-Rich Cathodes at High Voltages”为题发表在国际期刊《Advanced Functional Materials》上。本文的通讯作者为北京理工大学刘琦研究员和陈人杰教授，第一作者为北京理工大学能源与环境材料系博士后侯丽娟和博士研究生陈昕源。

作为最具前景的锂离子电池正极材料之一，高镍层状氧化物LiNixCoyMnzO2（NCM）因其高理论比容量和相对较低的成本而受到广泛研究。然而，高镍 NCM 材料因镍含量过高而面临固有挑战，如阳离子混杂、结构劣化和微裂纹等问题，导致循环过程中容量快速衰减，阻碍了其在锂离子电池中的大规模应用。当前的优化策略几乎都是在氧气或空气环境中进行的，而在惰性气体条件下进行的改性研究极为罕见。因此探究 NCM 正极材料在惰性环境中的结构与性能变化，对于拓展层状氧化物正极材料的优化策略至关重要。

本文通过适当控制缺氧条件，预先在LiNi0.90Co0.05Mn0.05O2 超高镍正极材料表面引入氧空位，从而促进层状尖晶石保护层的形成。该原位形成的保护层有效提高了后续氧空位形成的能垒，降低表面/界面处Ni-O反应活性，并稳定了晶格氧，从而显著提升了高压循环稳定性。

图1 富镍正极材料表面结构随氧空位含量的变化规律及循环前后结构变化示意图

图2 煅烧温度为200℃至800℃的样品形貌及结构表征

在氩气环境中于200 ℃至800 ℃不同温度下煅烧的样品，其SEM图像显示出细微的形态差异，500 ℃以下的低温区，样品的次级颗粒分布更为均匀且彼此独立；当温度超过500 ℃时，次级颗粒之间会发生团聚现象。XRD 测试结果显示，富镍层状材料的结构会随着温度升高而从表面向内部逐渐退化。

图3 正常电压下（2.7-4.3 V）不同煅烧温度样品的电化学性能

图4 高电压下（3.0-4.6 V）不同煅烧温度样品的电化学性能

在氩气中200℃煅烧5小时的样品NCM-200，得益于层状尖晶石保护层的形成，展现出最佳的半电池性能。常规电压下（2.7-4.3 V）：在1 C电流密度下，NCM-200样品首次库仑效率最高，且具有最佳的循环稳定性。高电压下（3.0-4.6 V）：在1 C倍率下循环150次后，仍保持165.9 mAh g-1的放电比容量，容量保持率高达83.6%。

图5 晶格氧稳定性的理论计算

研究团队采用密度泛函理论（DFT）计算了氧空位形成能，并分析了投影态密度（PDOS）。改性材料NCM -200的氧空位形成能高于原始材料。Ni-O共价相互作用减弱，结构中尖晶石层的形成有效降低了O:2p轨道的能量，从而抑制了晶格氧的逸出。进一步采用原位差分电化学质谱法（DEMS）证实 NCM -200表面的尖晶石结构能有效稳定晶格中的氧原子。

图6 循环前后样品的结构演变与界面化学变化

透射电镜下NCM -200样品主体属于层状结构，而表面通过原位煅烧形成了约4 nm厚的层状尖晶石混合层。EPR结果证实该结构可抑制循环过程中不可逆OVs的大量生成。原位XRD测试显示改性材料在3.0-4.6 V深度充放电过程中的体积变化较小。

该研究通过调控缺氧环境煅烧条件，系统研究了温度与时间对高镍正极材料表面结构的影响，并首次提出了层状氧化物正极材料表面氧空位、材料结构与电化学性能之间的耦合关系理论。深化了对高镍正极材料在缺氧环境中的性能探究，为优化层状氧化物正极材料提供了创新思路。