近日，从绿王海良课题组利用XANES等先进表征技术研究富含缺陷的单晶超薄四氧化三钴纳米片及其电化学性能（Adv.EnergyMater.2018,8,1701694）,如图一所示。
氢到氢相关成果以题为Porphyrin-BasedSymmetricRedox-FlowBatteriestowardsCold-ClimateEnergyStorage发表在了Angew.Chem.Int.Ed.上。金氢纪元主要从事无机固体化学的研究。
其中，迎接CoSe2具有类似于白铁矿的结构，可广泛用于析氢，Li-O2电池，水氧化催化剂以及染料敏化太阳能电池和超级电容器的电极。零碳文章系统地总结了钠离子固态电解质的发展和最新进展以及固态钠电池内部的界面问题。文章表明在水电解质中，排放使用醌类正极和金属负极的电池是一种有前景的大规模能量储存选择。
以K2C6O6为负极、从绿K4C6O6为正极的钾离子电池能量密度可达35Wh·kg-1。目前担任《InorganicChemistryFrontiers》、氢到氢《ScienceChinaMaterials》、氢到氢《应用化学》副主编，《SolidStateSciences》、《NanoResearch》、《ACSEenergyLetters》、《ACSSustainableChemistryEngineering》、《JournalofEnergyChemistry》、《化学学报》等杂志编委。
与之前报道的磷化物相比，金氢纪元Se4P4具有更高的可逆容量，更好的倍率性能和循环稳定性。
在该文中，迎接研究者提出以弱酸性三氟甲烷磺酸锌/锰盐为电解质制备高性能可充锌-二氧化锰电池，迎接该研究发现首次放电时隧道结构的氧化锰晶体发生相变转化为层状结构的Zn-Buserite相，后者的层状结构使得锌离子能够可逆插入和脱出。在数据库中，零碳根据材料的某些属性可以建立机器学习模型，便可快速对材料的性能进行预测，甚至是设计新材料，解决了周期长、成本高的问题。
深度学习是机器学习中神经网络算法的扩展，排放它是机器学习的第二个阶段--深层学习，深度学习中的多层感知机可以弥补浅层学习的不足。从绿阴影区域表示用于创建凹度曲线的区域图3-9分类模型精确度图图3-10（a~d）由高斯拟合铁电体计算的凹面积图。
另外7个模型为回归模型，氢到氢预测绝缘体材料的带隙能（EBG），氢到氢体积模量（BVRH），剪切模量（GVRH），徳拜温度（θD），定压热容（CP），定容热容（Cv）以及热扩散系数（αv）。就是针对于某一特定问题，金氢纪元建立合适的数据库，金氢纪元将计算机和统计学等学科结合在一起，建立数学模型并不断的进行评估修正，最后获得能够准确预测的模型。