燃料电池技术应用的关键在与新材料的开发，基于材料的优化得到更好的燃料电池产电输出性能。项目团队基于固态离子理论，设计了一系列燃料电池电极新材料及新结构，以提高电池输出性能为目的，开发了一系列高性能的阳极功能材料，阴极层材料与新结构。项目取得完整知识产权，申请发明专利15件，授权发明专利8件。

首次提出石墨烯纤维的概念，提出液晶湿法纺丝策略实现了石墨烯纤维的连续制备及高性能化，开辟了从石墨制取碳纤维的全新路径 一、项目分类 重大科学前沿创新 二、技术分析 本成果具有创新性、先进性。从高校的原创科学到原创技术，再到工程化推进，且已实现量产的技术成果。 成果第一完成人带领科研与产业两支队伍，面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康，在单层氧化石墨烯及其宏观组装材料的产学研协同发展方面开展科学研究、技术转化与产业化攻坚，获得的成果如下： 发现了氧化石墨烯纤维在溶剂作用下精确可逆融合与分裂现象，揭示了二维大分子的独特界面效应，打破纤维越粗越弱的Griffith定律，为未来粗且强的高性能纤维制备提供了新的理论依据，成果发表在Science杂志上；(2)发现氧化石墨烯的层状和手性液晶新相态，为石墨烯宏观有序组装材料提供了理论基石；(3)首次提出石墨烯纤维的概念，提出液晶湿法纺丝策略实现了石墨烯纤维的连续制备及高性能化，开辟了从石墨制取碳纤维的全新路径；(4)建立了较系统的液固相转变组装方法学，制备出“世界最轻固体”石墨烯超轻气凝胶，突破固体表观密度极限；解决了宏观材料高导热和高柔性不能兼顾的难题，获得了高导热超柔性石墨烯导热膜。 发明的新型石墨烯纤维，得到了Nature在线新闻（2011, 78）、Nature 石墨烯增刊（2012, 483, S33）等杂志期刊的高度评价：“石墨烯物理性能优异，但要驾驭这些性能，必须找到能将优异性能纳米级粒子转化为宏观材料的方法。来自中国杭州浙江大学的许震和高超正好实现了这一目标”等。石墨烯纤维打结图与美国奋进号、俄罗斯联盟号飞船等一起入选了Nature 2011年度最具影响力图像，入选理由为:“这一400微米石墨烯结由中国浙江大学许震和高超制备，显示了纳米尺度精巧的结构控制。许和高将氧化石墨烯液晶纺制成米级柔性纤维并转化成石墨烯纱线”。成果第一完成人“因石墨烯纤维的基础研究工作”，获得首届钱宝钧纤维材料青年学者奖。 获得的多维度多功能石墨烯宏观组装材料，得到了Nature（Nature 2013, 494, 404）、（Nature 2013, 497, 448）及Advanced Science News等的亮点评价或撰文评价：“浙江大学高超团队用非模板法获得了导电、弹性并且密度低于空气的固体泡沫材料”，“浙江大学高超教授及同事报道了具有超高导热且超柔性特性的石墨烯材料。这样的设计理念和实验策略能够拓展至其他二维纳米材料中，使得很多大面积多功能的二维材料能够应用到现实世界的柔性器件中，从航空航天到智能手机，不一而足”等。超轻石墨烯气凝胶获得了 “世界最轻固体”吉尼斯世界纪录，入选了“2013中国十大科技进展新闻”。 在Science、Nat. Electron.、Sci. Adv.、Adv. Mater.等国际知名期刊发表学术论文240余篇，连续四年入选科睿唯安全球“高被引科学家”。授权中国发明专利百余件、国际专利8件。承担国家自然基金委重大、重点、杰青项目及军科委、科工局等项目10多项，项目总经费近亿元。

本成果——硅酸盐无机多孔吸声板以水泥、工业或建筑废弃料等无机物为主要原料，以水为分散剂，以原位组装技术制备。利用原位组装技术制备的硅酸盐多孔吸声材料吸声降噪效果优异（平均吸声系数＞0.8）；力学性能好，耐候性好（原料均为无机材料），质量轻（密度小于600kg/m3且可调），生态环保（生产无排放，且无二次污染），成本低（原材料广泛易得，且可利用工业废弃料作为原料），适应性广。

在基板支持快速蒸发结晶法的基础上，提出了一种湿法退火自组装技术，对 DAST 等材料进行自组装，成功制备出毫米 量级的纳米线，并且表面粗糙度达到但原子级别，在纳米线激光器的制备、集成 光路的电光调制等方面极具应用前景。

1.痛点问题 面对十四五期间大气污染防治要求，全国大多数城市在PM2.5与O3复合污染防控方面还存在以下不足： （1）尚未建立PM2.5与O3复合污染协同管控体系。PM2.5一次排放、NOx、VOCs等前体物排放水平相对较高，如何通过NOx和VOCs协同防控实现PM2.5与O3的同步改善，现有技术体系尚难以直接用于当前大气污染防控工作。 （2）海量大气环境及化学成分监测数据应用不完善。基于现有监控设备，数据应用深度不足，无法有效支撑大气环境管理决策。海量数据如何服务应用于大气污染防治精细化管控，尚没有系统化的解决方案。 （3）PM2.5与O3及其前体物污染预警与应对不精准。不同区域前体物排放及气象条件差异较大，VOCs和NOx生成PM2.5与O3的转化路径，以及贡献比例解析存在较大困难，已有成果针对污染控制的减排策略仍不清楚。 （4）工业源VOCs缺乏精细化管控。工业VOCs排放涉及行业众多、化学成分复杂，企业存在环保内部管理能力不足、配套设施治理效果差、无组织排放问题突出等问题，政府部门开展污染溯源与排放监管存在较大困难。 2.解决方案 本项成果建立了城市内外部多种空间尺度污染排放对城市空气质量监测站点的贡献评估工具，锁定贡献较大的区域及具体排放源，实现了针对工业园区和产业集群等小尺度区域内的污染溯源与动态监管技术的集成应用，建立了高值预警、热点分析、指纹比对和快速锁定的流程化溯源方法，快速排查高污染时段、点位及其来源，针对污染源建立了一企一档、绩效诊断、现场核查、评估反馈、跟踪复核等多个环节环境绩效诊断闭环管理工具，针对溯源排查结果形成污染源病例库，解决了监管最后一公里的难题，能够为监管执法提供有效的工具支撑。 合作需求 与本领域企业合作，开展产业化相关工作，推进产品和服务形态的迭代升级，进一步聚合优质资源，培育专业化技术研发与实施队伍，拓展客户渠道，挖掘市场潜力。

本发明公开了一种可溯源白光干涉原子力探针自动定位工件方 法，该方法包括如下步骤：在纳米级位移平台运动之前记录下激光干 涉位移计量系统的初始位移；接着其在垂直方向上快速产生一个适量 的位移，在位移发生后通过零级条纹的移动量是否在阈值范围内来判 断原子力探针是否定位到工件，而如果纳米级垂直位移平台在到达极 限的位移运动时还未定位到工件，记录下其最终位置，并将纳米级垂 直位移平台复位，重复上述步骤，直至定位到工件。按照本发明设定 的自动定位的方法，不受原子力探针与工件之间的距离限制，同时在定位过程中对位移进行计量，可实现可溯源，而采用零级条纹的移动 量来判断探针是否定位到工件具有定位快速和高精度的显著效果。 

何凤课题组以共轭聚合物PPV嵌段为成核嵌段设计合成了两亲性嵌段共聚物PPV-b-P2VP，以该嵌段共聚物为构筑单元，使其在异丙醇溶液中进行“溶解-降温-陈化”这一简单过程，制备得到了均一分散的二维正方形自组装胶束。通过调节共聚物嵌段长度比和溶液浓度，可以实现对所得二维正方形自组装结构的尺寸进行较为精确的调控。利用PPV嵌段良好的光学特性，对二维结构的组装过程进行了追踪表征，结合高分辨显微镜照片、SEAD、GIWAXS和分子动力学模拟，可以确认所得二维材料的非晶态以及PPV嵌段间的π-π相互作用对于二维正方形胶束形成的驱动作用。 本项研究采用非结晶手段成功实现了聚合物可控二维自组装胶束的形成，为二维微纳材料的构筑提供了新的思路，对于聚合物二维自组装的研究有着重要的贡献。同时，通过简单手段获得的二维正方形软材料，有着良好的光学和电学特性，是一种可以预见的具有潜在应用价值的功能微纳材料。

本项目属于化学工程及制药工程领域。该专利核心技术还成功应用于药用氨基酸、盐酸大观霉素、头孢曲松钠等十余种产品，建成17条精制生产线，均通过国家验收或省部级鉴定,专家鉴定为:质量及技术经济指标(节能、降耗、减排)均达到并部分超过了国际先进水平。直接经济效益显著，近三年累计新增产值12.44亿元，新增利税2.86亿元，创收外汇3171万美元；且社会效益突出，如地塞米松磷酸钠产品已击败国际竞争对手，占有50%以上海外市场和60%以上国内市场；帕罗西汀产品打破了国际专利封锁，国内领先的产品已进入了国际规范

以单层稀土MOF作为晶种，通过不同稀土离子MOF的异质同晶特性和液相各向异性外延生长策略，构筑了具有亚毫米尺度的间隔色域发光多层次异核稀土MOF单晶，并实现了独特的光谱编码和空间编码结合的三维微区编码器件模型。基于初始单层稀土MOF晶核的不同空间群结晶特性，其在不同晶面呈现生长速度不同的各向异性，从而最终分别获得了核-壳型（core-shell）和条带型（striped）两类不同的多层次异核稀土MOF单晶。在保持均一的周期性长程有序单晶结构的同时，其光物理特性则因不同区域稀土离子的人为控制化生长，表现出核壳或条带状间隔区域多色发光。利用微区荧光探测技术，通过改变多层次异核稀土MOF单晶的位置或角度，可分别实现基于不同层稀土MOF的红、绿、蓝等三基色发光，以及基于不同层间、不同入射和发射光路间组合调控的全色域多色发光和白光。同时，上述异核多稀土单晶MOF的组装和调光特性亦可在近红外发光的稀土离子间实现。基于此，进一步建立了一种独特的光谱编码与空间编码相结合的三维微区编码器件模型。在亚毫米尺度的单晶光学器件范围内，通过调变不同位置和空间取向的三维操作式编码，结合具有不同发光色域的光谱读出式编码，实现了高通量、多通路、多模式的全色域发光颜色可编码性与可读出性。

本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。 解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。 在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。 目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。