沈忠慧课题组致力于探索“人工智能+高通量计算”驱动新材料研发的研究模式，关注电介质材料的电、力、热等性能的集成与耦合，开展机理解析-预测筛选-定向实验的一体化工作，实现新型电介质材料的按需设计和性能突破。近期，课题组提出了利用生成式学习加速高熵电介质材料的优化设计，解决了高熵材料研发过程中面临的组分维度灾难问题，逆向筛选了5组高熵体系，并通过定向实验实现了介电储能性能的8倍提升。该成果以“Generative learning facilitated discovery of high-entropy ceramic dielectrics for capacitive energy storage”为题发表在《Nature Communications》，硕士生李魏为论文的第一作者，我校青年教师沈忠慧和清华大学南策文院士为论文的共同通讯作者。

图1 高熵电介质材料设计与发现的生成学习模型

课题组还基于高通量相场模拟和机器学习对非均质BiFeO3基储能电介质材料展开双向智能优化研究，实现了局域非均质极性结构的正向性能预测和逆向结构优化。该工作以“Programming polarity heterogeneity of energy storage dielectrics by bidirectional intelligent design”为题发表在《Advanced Materials》，硕士生陈潇潇为论文的第一作者，我校青年教师沈忠慧和清华大学南策文院士为论文的共同通讯作者。

图2 机器学习实现双向智能材料设计

此外，课题组还利用第一性原理计算，与相场模拟互补，系统研究了钙钛矿、氧化物、二维材料填料与极性/非极性聚合物界面处的原子/分子构型和局部电荷行为，为认识和优化聚合物基纳米复合材料中界面问题提供了重要的理论参考。相关研究成果以“Electrically variable interfaces in polymer nanocomposite dielectrics”为题发表在《Physical Review B》期刊上，硕士生罗文志为论文的第一作者，我校青年教师沈忠慧为论文的唯一通讯作者。

论文链接：

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；编辑：曹明；审核：严岿