网站地图关于合作招聘帮助

热线：400-152-6858

测试狗科研服务

预存定制

登录

|

注册

Document

当前位置：文库百科 › 文章详情

【顶刊动态】Nature Communications 最新热点论文赏析

来源：测试GO 时间：2022-07-04 01:19:06 浏览：2687次

Nature Communications, 创刊于2010年，是最早推动Full Open Access (OA)的顶尖期刊之一，其本身也于2016年1月起全面实行OA形式。作为综合类期刊，Nature Communications致力于关注生物、医学、健康、物理、化学和地球科学等各学科的高质量研究，其具体方向涵盖有：肿瘤学、免疫学、生物学、化学、分子生物学、细胞生物学、表观遗传学、生物化工、有机合成、无机材料、生物技术、合成生物学、干细胞、植物科学、地学等。发文类型包括有：Article、Review、Editorial Material、Letter和Biographical Item等，目前国内发文版面费为5790美元。

目前该期刊已经被包括SCIE在内的众多数据库收录，ISSN：2041-1723（online），中科院1区，JCR1区，TOP期刊，最新影响因子为14.919。为了一览Nature Communications的风采，笔者特意选取了2021年中具有代表性的高被引热点论文进行介绍，希望能够给相关领域的科研工作者们带来一丝启发。

1. 有机光伏电池的光电转化效率创新高：18%！（被引次数：213）

长期以来，由于器件形态和材料电子结构的限制，有机光伏电池（OPV）中的二元供体-受体混合物活性层的光电转化效率（PCE）并不理想。

有鉴于此，上海交通大学刘烽等人通过利用四元混合物，实现了体异质结有机光伏有源层中双级联能级的匹配和更为有效的载流子分裂和传输。经过电子结构和器件形态优化的OPV的开路电压、短路电流和填充因子同时得到了改善，其PCE可以达到18.07%。此外，该OPV器件还具有出色的稳定性，光照1000小时后PCE仍能保持最初的81%。

DOI：https://doi.org/10.1038/s41467-020-20580-8

2. 低参量量子电路中基于成本函数的贫瘠高原（被引次数：74）

当量子计算机的比特数目较大时，基于当前量子神经网络的框架很容易变得无法有效进行训练，其目标函数会变得很平，导致梯度变得很难估计。量子计算机上的许多机器学习算法都遭受着这个无法解决的「贫瘠高原」问题，从而陷入优化问题的死胡同。

为此，美国洛斯阿拉莫斯国家实验室的Patrick J. Coles和M. Cerezo等人利用通用的混合方法进行变分量子算法，在传统计算机上训练和优化参数，并在量子计算机上评估算法的成本函数或算法成功的度量。作者通过严格的理论推导，证明了变分量子算法的某些体系结构在扩大时是否会出现贫瘠高原的条件：对于超过20个量子位，无法最小化引入全局成本函数。对此，通过引入局部成本函数，能够对最大100个量子位的系统进行最小化。

DOI：https://doi.org/10.1038/s41467-021-21728-w

3. 混合卤化物钙钛矿用于光谱稳定的高效蓝光LED（被引次数：66）

实现高效的高亮度蓝光LED是发展金属卤化物钙钛矿LED的重要方向之一。目前，尽管通过改变溴/氯化合物的组成能够轻松实现蓝光发射，但是由于其颜色稳定性差和严重的光致发光猝灭，该策略的实施并不顺利。

为此，瑞典林雪平大学的高峰和Weidong Xu等人开发了一种可有效抑制离子迁移和成分异质性的蒸汽辅助结晶技术，成功解决了混合卤化物钙钛矿中的这些关键挑战。同时，作者进一步组装了可在490~451 nm的宽发射波长范围内光谱稳定的蓝色钙钛矿LED。基于三维钙钛矿的蓝色和深蓝色LED的外部量子效率分别为11.0%和5.5%，发射峰分别位于477和467 nm。

DOI：https://doi.org/10.1038/s41467-020-20582-6

4. 具有优异ORR性能的双金属原子分散Fe/Mn-N-C催化剂（被引次数：53）

作为用于燃料电池和金属空气电池的低成本氧还原反应电催化剂，原子分散的过渡金属-氮-碳材料表现出巨大的应用潜力，但是其应用机制仍不明确。

为此，郑州大学张佳楠和武汉理工大学木士春等人通过开发双金属原子分散的Fe/Mn-N-C催化剂为模型对象，揭示了在中间自旋态的FeN₄/C体系中，氧还原优先发生在Fe^Ⅲ上，其中自旋态拥有一个电子（t_2g4e_g1）很容易穿透氧的反键π-轨道。磁性测量和理论计算均表明，相邻原子分散的Mn-N基团可以通过自旋态跃迁和电子调控有效地激活Fe^III位点，使得催化剂在碱性和酸性介质中均具有优异的ORR性能（在0.1M KOH中的半波电位为0.928V，在0.1M HClO₄中的半波电位为0.804V），并具有良好的耐久性，其性能优于商业Pt/C催化剂。

DOI：https://doi.org/10.1038/s41467-021-21919-5

5. 一种新型柔性电磁波吸收器（被引次数：50）

电磁干扰以及器件工作时带来的热量问题是目前制约小型集成器件发展的重要因素之一。目前解决这一问题的主要策略是利用电磁吸收材料的磁或介电损耗将电磁波转化为热能进行耗散，从而消除电磁干扰。

基于此，复旦大学的吴仁兵等人开发了一种具有“三明治”结构的金属锡/碳复合材料。研究结果表明，多孔碳中的锡纳米颗粒在退火过程中能够呈现出生物细胞特征的分裂行为，并形成了更为分散的超小尺寸纳米颗粒（~3 nm）。镶嵌有金属锡纳米晶的石墨碳基体表现出增强的声子耦合能力，能大幅降低复合材料热导率并提高电导率，从而有助于热-电转化效率的提升。此外，通过金属锡的高温催化效应，使得碳基体呈现出较好的石墨化程度和窄禁带特性，也有效地提高了复合材料的塞贝克系数。所优化的Sn@C材料在473 K下热电品质因数为0.62，波辐射情况下也能保持稳定的输出电压。

DOI：https://doi.org/10.1038/s41467-021-21103-9

6. Ru单原子调控MOFs电子结构促进电催化产氢（被引次数：47）

开发具有高催化性能的析氢反应电催化剂对于发展清洁、可持续的氢能具有重要意义，但目前仍然具有挑战性。

为此，中山大学的李光琴等人通过引入原子分散的Ru成功修饰了金属有机骨架（MOF），并将其应用于析氢反应电催化剂。X射线吸收精细结构和密度泛函理论计算表明，Ru原子可以调节MOF金属中心的电子结构，从而增强对H₂O分子的吸附和对H^*的解吸能力。所制备的NiRu0.13-BDC催化剂在全pH范围内均表现出优异的析氢活性，特别是在2 M磷酸盐缓冲液和10 mA cm^-2的电流密度下，其过电势仅为36 mV，可与商用Pt/C相媲美。

DOI：https://doi.org/10.1038/s41467-021-21595-5

7. 铁单原子催化剂用于电化学还原硝酸盐合成氨（被引次数：38）

利用电化学方法将硝酸盐污染物进行还原转化，这被视为一种绿色的、非定域的氨合成方法，可以作为哈伯-博世法的一种有吸引力的补充方法。然而，硝酸盐在还原过程会存在一些其他还原路径，目前缺少可以选择性引导其反应向氨转化的有效催化剂。

为此，美国莱斯大学汪淏田和加拿大卡尔加里大学Samira Siahrostami等人合成了一种具有高选择性和高活性的铁单原子催化剂。在电化学还原硝酸盐应用上，该催化剂在0.66 V时的最大NH₃法拉第效率（FE）约为75%，产率达~ 20000 μg h^-1 mg_cat^-1（0.46 mmol h^-1 cm^-2）。DFT理论计算表明，由于缺乏相邻金属位点，Fe单原子催化剂上无法实现N-N耦合步骤，从而有效地防止N₂的生成，提高氨产物的选择性。

DOI：https://doi.org/10.1038/s41467-021-23115-x

8. 卤化物钙钛矿的高光声转化率及其在高分辨率超声成像中的应用（被引次数：32）

目前卤化物钙钛矿在太阳能电池、LED和探测器中已经表现出优异的性能，但是针对该类材料的热性能如热容和热导率以及相应的器件制造却很少受到关注。前期研究已经表明卤化物钙钛矿具有高吸收系数（104~105 cm⁻¹）、低比热容（296 ~ 326 J kg⁻¹ K⁻¹）和低热扩散系数（0.145 mm² s⁻¹）等特点，在光声转换领域具有潜在应用前景。

基于此，华中科技大学的牛广达和朱本鹏等人通过将钙钛矿(MAPbI₃)作为光吸收材料与聚二甲基硅氧烷（PDMS）进行复合，制备出了PDMS/MAPbI₃/PDMS/Glass复合结构的光致超声换能器。研究结果表明，该转换器可以同时实现宽带宽（−6 dB频率为40.8 MHz；中心频率为29.2 MHz）)和高转换效率（2.97×10⁻²）。此外，作者还进一步将该换能器与多模光纤进行结合，搭建了全光型超声成像系统，实现了对鱼眼切面的高分辨率超声成像。

DOI：https://doi.org/10.1038/s41467-021-23788-4

9. ZeroCostDL4Mic：用于显微图像分析的人工智能深度学习新工具（被引次数：31）

深度学习（DL）方法是一种可用于显微图像分析的强大工具，其性能要远优于传统的图像处理方法。然而，尽管DL技术激发了人们的热情和创新，但是DL的训练往往需要访问功能强大且兼容的资源，这对于初学者来说并不友好。

为此，英国伦敦大学的Ricardo Henriques和芬兰埃博学术大学的Guillaume Jacquemet等人介绍了一个深度学习的入门级平台—ZeroCostDL4Mic。使用者可以直接通过Google Colab的免费云端进行访问和处理，并且ZeroCostDL4Mic不需要用户有任何编码经验或高级计算技能。初学者可以直接利用ZeroCostDL4Mic来完成显微图像分析任务，包括分割（使用U-Net和StarDist）、目标检测（使用YOLOv2）、去噪（使用CARE和Noise2Void）、超分辨率显微图像（使用Deep STORM）以及图像转换（使用Label-free prediction-fnet、pix2pix和CycleGAN）等。