第161次-- 科学与技术前沿论坛

主题报告

团簇型极紫外光刻胶
张磊教授南开大学

光刻胶作为芯片制造过程中的关键材料，是我国亟需突破的“卡脖子”技术之一。随着半导体工业的发展，当前芯片制造已经进入极紫外(EUV)光刻时代，而与之配套的EUV光刻胶也成为下一代光刻胶材料的战略制高点。金属氧簇作为金属氧化物材料的团簇状态，具有原子精确的结构和化学可调的性能，对理解氧化物材料结构与性能之间的构效关系具有重要的科学意义。同时，金属氧簇本身也可作为新型氧化物功能材料，比如锡氧簇已被业界认为是极具前景的新一代EUV光刻胶材料。针对国家在先进光刻胶材料方向的重要需求，我们在国内率先开展金属氧簇材料的光刻应用研究。首先，发展了配位延迟水解合成方法，解决了 Ti 4+，Sn 4+ 等易水解光刻活性金属离子的成簇结晶难题，并利用功能配体和活性金属修饰对其电子结构和光学响应性能进行了系统调控；在此基础上，利用分子设计策略开发了系列不含端基 Sn-C键的新型非烷基锡氧簇光刻材料，电子束光刻(EBL)测试结果表明其在 1000 μC/cm 2曝光能量下能得到线宽为 50 nm 的图案，紧接着利用稀土金属离子掺杂提高了其光刻灵敏度，将所需的曝光能量降低到 50 μC/cm 2 。基于上述结果，进一步对所得金属氧簇材料的EUV光刻性能进行了详细研究，目前已可达到~14 nm 的EUV光刻分辨率。这系列研究拓展了团簇材料的光刻应用，并为未来继续开发高性能金属氧簇EUV光刻胶奠定了基础。
基于超组装体系智能界面构筑及传感应用
孔彪教授复旦大学

生物检测领域的关键核心问题是设计及构筑性质稳定、生物相容性良好、灵敏度高、抗干扰性强的材料感知界面。如何针对不同尺寸和环境的检测需求进行感知界面的精准定制设计，及精准调控不同尺寸材料结构与功能是目前生物检测领域亟需解决的关键科学问题。针对上述关键科学问题，报告人的研究方向聚焦于“多尺度超组装智能感知界面的构筑及其生物传感应用”，围绕界面超组装策略构筑的高效生物分子智能感知界面与器件开展了深入研究，基于超组装策略制备了系列智能感知界面材料，并系统地开发了一系列针对不同尺寸及环境具有高效生物分子感知及检测性能的界面与器件，实现了从体外到体内、从被动到主动、从微观尺度到宏观尺度上的智能检测感知。首先，提出多尺度界面超组装理念，开发超组装异质纳米通道薄膜体系，实现了纳米尺寸上不同生物离子及生物分子的体外快速灵敏检测，揭示了超组装纳米通道结构对生物离子及分子特异性识别的传感机制；其次，提出动力学调控界面超组装新方法，开发了系列可移动的中空超组装微纳机器人，实现被动传感与疾病诊疗到主动模式的转变，在微纳米尺寸上对生物分子及外界刺激进行体内智能感知，揭示了其限域驱动及超灵敏传感机制。
机械互锁聚合物——拓扑设计合成与构效关系研究http://videozh.cas.cn/masvod/public/2025/09/10/20250910_199319582d3_r36_1200k.mp4
颜徐州教授上海交通大学

机械互锁聚合物(Mechanically Interlocked Polymers)是一类由机械键(Mechanical Bonds)连接的特殊种类拓扑聚合物。因机械键互锁组分可进行非解离的分子内运动，机械互锁聚合物在理论上可兼具共价聚合物的机械性能和超分子聚合物的动态性能等优点，代表了一类“刚柔并济”的聚合物材料。因此，开展机械互锁聚合物精细化设计、高效制备与性能研究不仅对发展拓扑聚合物新材料具有重要意义，而且蕴藏着发现高分子物理新现象的契机。其背后的关键科学问题是机械互锁聚合物微观机械键运动和宏观机械性能间的构效关系。针对上述问题的思考，我们提出了“机械键高密度化”的研究策略，在以下三个方面开展研究工作：(1) 发展了“动态互锁”、“先互锁再聚合”、“先超分子聚合再互锁”三类互锁聚合新策略，解决了运动模式多样化的高密度机械键体系的合成难题(物质基础)；(2) 研究了分子尺度的微观机械运动带来的宏观机械性能突破，建立微观机械运动和宏观机械性能间的构效关系，揭示了高密度机械键集成放大、连续能量耗散等高分子物理新现象(理论深化)；(3) 探索了源于机械互锁聚合物独特能量耗散机制在机械力自适应材料、气凝胶材料、储能材料等领域中的新应用(性能突破)。
人工智能机器化学家http://videozh.cas.cn/masvod/public/2025/09/10/20250910_19931885193_r36_1200k.mp4
罗毅教授中国科学技术大学

人工智能与自动化的高效融合为创造新物质提供了新的途径。本报告简要介绍首个具有科学智慧的机器化学家系统，该系统可以完成文献机器读取、合成、表征、性能测试、机器学习模型建立和优化等全流程任务。我将以利用火星陨石自动优化创制高熵合金产氧催化剂为例，详细介绍这个系统的工作方式。并将介绍在建立结构–谱学、谱学–结构、谱学–性质等智能数据关联方面的进展。我也将简要汇报未来工作的打算以及对未来化学研究范式的一些设想。
高效聚乙烯催化剂的智能预测与设计http://videozh.cas.cn/masvod/public/2025/09/10/20250910_199319a6fe6_r36_1200k.mp4
杨文泓研究员中国石油天然气股份有限公司石油化工研究院

聚烯烃树脂是合成材料中产量最大，用途最广的高分子材料。目前，国内聚烯烃的研究基础仍然较弱，高端化、差异化成为聚烯烃产业的主要升级方向，其中催化剂是实现聚烯烃高端化的核心关键之一。传统开发催化剂的过程采用试错法，通常所需的实验步骤较多，研发周期较长，并且催化聚合反应的实验研究成本很高，需要消耗大量资源。同时，单纯依靠人力的实验分析很难挖掘出催化剂结构与性能之间的内在关系。大数据时代，人工智能的发展势不可挡。机器学习作为人工智能的核心策略，已在很多科技领域表现出强大的预测能力，相比之下，在催化领域的研究尚处于起步阶段。由于催化过程复杂，且对理想催化剂的要求严苛，发展用于设计新催化剂的智能模型面临众多挑战。这需要我们将问题进行简化，找到催化剂分子中影响催化性能的关键结构因素，利用机器学习从数据中学习，建立模型，实现新型高效催化剂的精准设计，帮助解决传统合成法周期长，成本高的问题。本报告将介绍我们利用机器学习方法研究后过渡金属聚乙烯催化剂的工作进展。通过发展表达催化剂结构的特征描述符，针对不同大小数据集的催化剂体系，采用不同方法建立了预测催化剂聚合性能的智能模型，阐明催化性能变化的原理与机制。

第161次：智能化学