根据账号名称及账号简介猜测，懂燃当贝近期或将涉足新品类，具体产品形态引发一众网友及媒体猜想。
料电图7文章封面相关研究工作以Two-Dimensional GeTe:Air Stability and Photocatalytic Performance for Hydrogen Evolution为题作为封面文章在线发表在ACSAppliedMaterialsInterfaces（DOI:10.1021/acsami.0c08699）上。懂燃红色线框：SAED测试区域）图4（a）样品光催化产氢量随时间变化图像。
（c）能带结构和光催化反应示意图综上所述，料电通过超声辅助液相剥离法可以有效地剥离制备大尺寸、料电高结晶性的二维GeTe纳米片，尽管理论和实验两个方面均表明该纳米片在空气中不稳定，容易与O原子结合，但是该纳米片依旧展现出优异的光催化产氢性能，而这种光需求和氧避免的特性将使得该材料在太空供能领域具有超高的应用前景和价值，为高性能二维材料的研究提供了借鉴与指导意义。懂燃（b）O与Te接触后晶体结构图2（a）样品剥离流程图。随后，料电封伟团队又针对Ge类二维材料进行了带隙调控和光催化应用方面的研究，相关研究成果发表在Nature Communications（DOI:10.1038/s41467-020-15262-4）。
2018年天津大学封伟教授团队成功研究制备了单层GeTe纳米片，懂燃研究了该材料的Fe3+敏感性，懂燃同时发现该材料在空气中存在稳定性问题（Nanoscale,2018,DOI:10.1039/C8NR03091J）。此外，料电研究通过固体紫外和XPS-价带谱测定了纳米片的实际带隙，并计算得到具体价带和导带位置（图6）。
懂燃（b）剥离前后样品XRD测试。
图3（a，料电c）分别是Ar-GeTe和O-GeTe粉末的SEM图像因此，懂燃复杂的ML算法的应用大大加速对候选高温超导体的搜索。
料电（h）a1/a2/a1/a2频段压电响应磁滞回线。飞秒X射线在量子材料动力学中的探测运用你真的了解电催化产氢这些知识吗？已为你总结好，懂燃快戳。
料电图2-2 机器学习分类及算法3机器学习算法在材料设计中的应用使用计算模型和机器学习进行材料预测与设计这一理念最早是由加州大学伯克利分校的材料科学家GerbrandCeder教授提出。欢迎大家到材料人宣传科技成果并对文献进行深入解读，懂燃投稿邮箱:[email protected].投稿以及内容合作可加编辑微信：cailiaorenVIP.。