XM-432微观视细胞模型   XM-432微观视细胞模型由2部件组成，置于基板上，显示视网膜、脉络膜以及巩膜的微观结构。 尺寸：放大，25×23×23cm 材质：PVC材料

本发明公开了一种充软化剂高苯乙烯乳液共沉胶的制备方法，步骤为：1)按配方准备原料，将软化剂和防老剂分别进行乳化，得软化剂乳液和防老剂乳液；2)将软化剂乳液和防老剂乳液加入到高苯乙烯胶乳中，搅拌均匀得胶乳混合液；3)将上述胶乳混合物、絮凝剂、质子酸同时且缓慢加入到无机盐和絮凝剂的混合水溶液中，搅拌均匀得到絮凝混合液；4)在絮凝混合液中加入无机碱调节pH=7，边搅拌边形成絮凝物；絮凝物经脱水、干燥制得充软化剂高苯乙烯乳液共沉胶。本发明制备的共沉胶中软化剂均匀分散在体系中，起到了有效的软化作用，大幅度降低了共沉胶的门尼粘度，大幅度提高了高苯乙烯橡胶的加工性能和综合力学性能。成本降低10%-20%，加工耗能降低10-20%。在轮胎，制鞋，胶辊等行业应用前景十分广阔。

应用固态电解质的二次电池有望解决目前商用二次电池的高安全隐患和低能量密度等重要问题。目前固态化的二次电池尚难实现商业化应用，除了材料性能有待提高之外，严格统一的测试标准和规范化的测试技术也是其实用化的主要瓶颈。固态电解质的主要性能参数包括：离子/电子电导率、电化学窗口、界面稳定性和与电极材料的界面兼容性等。本项目将基于电化学原理，应用计算机软件编程和接口技术，结合固态电解质的设计、制备和封装工艺等，将固态电解质的测试技术进行标准化整合为实际测试系统，实现固态电解质

本发明涉及一种用于生物油催化提质的催化剂及制备方法，包括催化剂活性成分和 催化剂载体，其特征在于，按质量百分比计，所述催化剂活性成分及催化剂载体的组成为： NiO 为 10-32wt％；MoO3 为 5-18wt％；CoO 为 5-15wt％；余分为白云石催化剂载体。本发明 的优点在于采用廉价易得的白云石作为催化剂载体，催化活性组分为镍、钴和钼复合组分， 使生物油酸性减弱、含氧量降低。该催化剂制备简单、强度大、催化活性强、可再生，不仅 可用于生物质制备优质生物油，也可应用于生物油催化重整制氢。

本技术提出了基于多尺度理论模拟结合深度机器学习的一整套解决方案，即利用先进多尺度模拟方法精准解析SEI原子结构，建立新一代SEI模型，阐明SEI结构和形成机制，完整构建SEI与电池性能之间的内在联系，定向设计符合不同商用条件的新型电解液配方，为开发新一代高能量密度电池提供可能。 一、项目分类 显著效益成果转化 二、技术分析 随着智能手机、笔记本电脑等消费电子产品的快速发展，锂离子电池（Lithium Ion Battery, 简写为LIB）已经成为最成功的电化学储能设备之一，并从根本上影响并改变了人们的日常生活方式。随着制造工艺的逐步成熟，LIB的能量密度已经接近其理论极限。另一方面，可移动电子设备的快速普及和汽车电动化的蓬勃发展也不断要求开发具有更高能量密度的充电电池以满足实际使用的需求，而最先进的LIB依然无法完全满足上述需求。因此，寻找更高能量比的锂电池电极材料，加快下一代新型锂电池关键技术的相关研究，已成为制约锂电池技术产业发展进步的关键问题。锂金属电池的能量密度虽足以达到下一代电动车的要求，但其自身的稳定性仍令人担忧，这主要是因为Li金属的反应活性过高，其几乎可与所有的电解液均能自发地发生化学反应。在电池的运行过程中，Li电极和电解液之间通过自发化学反应和电化学反应导致了固体电解质界面（solid electrolyte interphase，SEI）的形成。当所形成的SEI结构不均匀时会诱发电池体积膨胀，此外，充放电过程中锂的不均匀沉积会导致锂枝晶的形成，锂枝晶的不规则生长会刺穿SEI，导致SEI膜发生破裂，并产生死锂，降低锂金属电池库伦效率；更严重的是，锂枝晶的不断生长会刺穿隔膜，造成电池内部的短路，导致火灾和爆炸等安全事故，大大缩短了电池的使用寿命，严重阻碍了其大规模商业化发展。因此，SEI对LMB的性能具有至关重要的影响。良好且稳定的SEI可以阻止（或者大幅度减缓）负极界面上反应的持续发生，起到保护Li电极的作用。针对下一代高稳定性锂金属电池设计中存在的关键问题，结合国际研究进展与本团队前期研究基础，我们提出了基于多尺度理论模拟结合深度机器学习的一整套解决方案，即利用先进多尺度模拟方法精准解析SEI原子结构，建立新一代SEI模型，阐明SEI结构和形成机制，完整构建SEI与电池性能之间的内在联系，定向设计符合不同商用条件的新型电解液配方，为开发新一代高能量密度电池提供可能。本方案已形成完整的工作流，相关自动化软件已开发完成并交付使用，且具有完全的自主知识产权，可用于国内外上游电池生产研发企业积累原始电池性能数据，大范围筛选有效电解液组分，指导下一代高能量密度锂电池研制。 我们的技术优势与创新主要表现在： 1）首次在电池体系中实现了QM与MM的混合模拟与混合加速； 2）在电池体系模拟中实现了开放电子体系对电化学反应的热力学和动力学预测； 3）在保证精度的前提下，实现了在纳米尺度上对真实的实验SEI结构直接模拟； 4）通过耦合深度机器学习，实现了电解液组分大范围筛选与性能优化。