沈忠慧課題組致力于探索“人工智能+高通量計算”驅動新材料研發的研究模式，關注電介質材料的電、力、熱等性能的集成與耦合，開展機理解析-預測篩選-定向實驗的一體化工作，實現新型電介質材料的按需設計和性能突破。近期，課題組提出了利用生成式學習加速高熵電介質材料的優化設計，解決了高熵材料研發過程中面臨的組分維度災難問題，逆向篩選了5組高熵體系，并通過定向實驗實現了介電儲能性能的8倍提升。該成果以“Generative learning facilitated discovery of high-entropy ceramic dielectrics for capacitive energy storage”為題發表在《Nature Communications》，碩士生李魏為論文的第一作者，我校青年教師沈忠慧和清華大學南策文院士為論文的共同通訊作者。

圖1 高熵電介質材料設計與發現的生成學習模型

課題組還基于高通量相場模擬和機器學習對非均質BiFeO3基儲能電介質材料展開雙向智能優化研究，實現了局域非均質極性結構的正向性能預測和逆向結構優化。該工作以“Programming polarity heterogeneity of energy storage dielectrics by bidirectional intelligent design”為題發表在《Advanced Materials》，碩士生陳瀟瀟為論文的第一作者，我校青年教師沈忠慧和清華大學南策文院士為論文的共同通訊作者。

圖2 機器學習實現雙向智能材料設計

此外，課題組還利用第一性原理計算，與相場模擬互補，系統研究了鈣鈦礦、氧化物、二維材料填料與極性/非極性聚合物界面處的原子/分子構型和局部電荷行為，為認識和優化聚合物基納米復合材料中界面問題提供了重要的理論參考。相關研究成果以“Electrically variable interfaces in polymer nanocomposite dielectrics”為題發表在《Physical Review B》期刊上，碩士生羅文志為論文的第一作者，我校青年教師沈忠慧為論文的唯一通訊作者。

論文鏈接：

1.https://www.nature.com/articles/s41467-024-49170-8(Nature Communications)

2.https://onlinelibrary.wiley.com/doi/10.1002/adma.202311721(Advanced Materials)

3.https://journals.aps.org/prb/abstract/10.1103/PhysRevB.109.184205(Physical Review B)

文：沈忠慧；編輯：曹明；審核：嚴巋