电子/离子学神经形态器件
1.低维电子器件
随着半导体工业进入后摩尔时代，进一步缩减硅基晶体管的尺寸遇到了短沟道效应、迁移率下降等难以克服的挑战。基于碳纳米管、二维材料及其异质结的低维器件能够从“深度摩尔”和“超越摩尔”两个维度探索延续集成电路工业发展的可行方案，是一个兼具科学性和应用前景的重要课题。（Nano Lett.,21,2021,6843-6850. Adv. Funct. Mater., 2022,32,2107454. PNAS,2022,119,2119016119.）
2.半导体DRAM器件
半导体DRAM存储器具有巨大的市场需求，在半导体制造领域占有重要地位。随着DRAM技术按照摩尔定律快速演化，传统设计与工艺将面临诸多挑战。本课题组致力于探索基于新型沟道材料（多晶硅、氧化物半导体、以及二维材料）的DRAM阵列晶体管、新型电容材料、垂直结构DRAM器件及其加工工艺。
3.离子学神经形态器件
相较于电子计算机架构，人体神经系统具有存算一体的特点和超低能耗的信息处理优势，而离子流调控是实现神经系统高效信息处理和信号传输的重要途径。本课题组结合前期研发的固态电解质材料和纳米器件加工技术，发展新型离子学器件（忆阻器、突触晶体管、离子流晶体管），实现高效、低功耗的神经形态功能，探索其在未来人工智能领域的应用。
新型电池与储能材料
1.锂硫电池
能源存储技术对于可再生能源的有效利用至关重要。锂硫电池兼具高理论比容量（1675 mA h/g）和成本优势，有望超越锂离子电池成为下一代高效储能器件。针对现有锂硫电池体系中的技术瓶颈，本课题组利用纳米碳硫复合材料，大幅改善了电池性能，相关成果发表在Energy Environ. Sci.，J.Am. Chem. Soc.，Nano Lett.等杂志上，其中基于氧化石墨烯/硫复合电极材料所设计的锂硫电池循环寿命高达1500次，创造了该类型电池的最高纪录。
2.全固态电池
全固态电池采用固态电解质代替液态电解质，配合锂金属或硅碳负极的全固态电池具有高能量密度、长循环寿命、安全稳定等优势。本课题组针对固态电池中的两个关键性问题进行深入研究——(1)金属锂负极与无机固态电解质之间的界面行为及锂枝晶阻抑策略；（2）具备高能量密度、长循环寿命的全固态锂硫电池体系开发。
全固态锂硫电池
采用固态电解质的全固态锂硫电池体系有望解决多硫化物的溶解和穿梭等液态锂硫电池体系存在的问题。课题组前期已搭建了基于聚合物的固态锂硫电池体系，并采用多种表征技术，研究了聚合物固态锂硫电池的工作/失效机理 (Adv. Funct. Mater. 2021, 2104863)。目前，我们正着力开发基于高性能硫化物无机固态电解质的全固态锂硫电池，进一步探索、实现下一代高能量密度全固态电池体系。
薄膜电池
薄膜电池具有安全性高、化学稳定性高、循环寿命长、电化学性能稳定等优点，可以与微电子器件直接集成，已在智能包装、智能卡、可穿戴设备和植入式医疗设备等领域实现广泛应用。针对薄膜电池单体容量低、薄膜电解质室温离子电导率低等发展瓶颈，我们采用复合电解质、复合电极和厚电极设计等策略，探索适用于下一代高能量密度薄膜电池的新型电解质及电极材料。
高熵硅负极
硅负极因具有近十倍于石墨的理论容量（约4200 mAh/g），有望成为下一代高能量密度锂离子电池负极材料。但是高达300%的体积膨胀制约着硅负极的实际应用。我们打破传统的电极材料设计理念，引入高熵合金结构来提高硅负极的长循环性能和倍率性能，并对其反应机理和结构变化进行原位研究。
3.镁二次电池
镁金属负极因体积比容量高、地壳资源丰富、安全性高等优势越来越获得研究者的关注。针对镁电池研究中的高性能电解液缺乏、镁负极钝化严重、电池反应机理不明确等问题，我们设计了一系列具有优化溶剂化结构的镁离子电解液，并对电解液/负极界面相的结构及其形成机理等进行了研究，相关成果发表在Adv. Mater., Adv. Energy Mater., Angew. Chem. Int. Ed., Nano Lett., Adv. Funct. Mater., Energy Storage Mater., Energy Environ. Mater. 等国际期刊上。
电化学过程及界面原位表征
电化学原位表征技术是研究电池的电化学反应机理以及容量衰减机制的有效手段。本课题组开发了一系列适用于同步辐射X射线吸收谱、电子显微镜、拉曼光谱等表征技术的原位电化学装置，对电池中的电化学过程及界面结构演变进行原位实时检测，深入探究其反应机理，分析其对电池性能造成的影响，为进一步优化电池设计提供参考。
1.原位谱学表征
我们设计了独特的液态电化学原位X射线能谱装置，实现了对锂硫电池和镁硫电池中，特别是各个界面在不同充放电阶段的化学物种演变的实时监控，分析电池性能衰减的主要原因。相关成果发表在Energy Environ. Mater.2021, 4, 222、Nano Lett. 2019, 19, 5, 2928.
2.原位电镜表征
我们开发了一种可对电池材料恒电流充电/放电的原位EC-TEM技术，使用透射电子显微镜以原子级分辨率实现了对Mn3O4负极材料在恒电流模式下的相变过程的实时观察；使用原位电化学扫描电子显微镜（EC-SEM）方法，系统地研究了液态锂金属电池的充电/放电过程，发现电解液中添加剂对锂枝晶的生长受有很大影响。相关成果发表在Small 2020, 16, 1906499、Adv. Mater. 2017, 29, 1606187.
计算模拟与深度机器学习
利用第一性原理计算，分子动力学（MD），从头算分子动力学（AIMD）等计算方法，以及晶体图神经网络（CGCNN）、深度学习势能（DEEPMD）、E3等变网络原子间势能（NequIP），材料探索图神经网络（GNoME）等深度学习模型，对电池材料进行高通量性能预测，加速新型电极和电解液材料的探索和发现。