实现从海水中简便、济南可控和清洁提锂，人类将获得几乎取之不尽用之不竭的锂资源。

文章链接：开元ChemSusChem：开元稳定在HPMC表面的超小CuI纳米颗粒：一种在水中快速且无有机溶剂串联的点击化学的高效催化剂ACSCatal.：高活性和选择性铜基单原子多相催化剂意大利米兰理工大学GianvitoVilé教授团队报道了一系列高催化性能的多相铜基单原子催化剂用于三唑合成，重点是对催化剂的结构和功能的全面理解。通过机理研究，隧道作者提出了一个光催化活化氧化硫叶立德得到高活性氧化锍盐中间体的机理。

受益于可切换的Na+/K+选择性，南洞进一步证明了通过改变电解质pH来切换膜电位，南洞模拟了体内神经信号转导过程中的膜极性反转，这表明这些膜在体外仿生应用中具有巨大潜力。COF膜的离子选择性是动态的，展露可以通过施加pH刺激使膜在K+/Na+选择性之间切换。2022年的诺贝尔奖颁奖典礼于12月10日举行，新颜化学奖授予美国斯坦福大学的CarolynR.Bertozzi、新颜丹麦哥本哈根大学的MortenMeldal、以及美国斯克利普斯研究所的K.BarrySharpless，以表彰三人在点击化学和生物正交化学领域做出的原创性贡献。

Barry和Morten为点击化学开疆拓土，济南Carolyn则将其引入生物化学领域。开元相关研究文章以ControlledDiels–AlderClickStrategytoAccessMechanicallyAlignedMain-ChainLiquidCrystalNetworks为题发表在Angew.Chem.Int.Ed.上。

结合分子动力学模拟的实验结果表明，隧道可切换的Na+/K+选择性源于离子和氨基酸之间的不同配位作用。

因此，南洞多孔聚合物薄膜的设计和制造为DCNs的应用提供了一条全新的途径。3.1材料结构、展露相变及缺陷的分析2017年6月，展露Isayev[4]等人将AFLOW库和结构-性能描述符联系起来建立数据库，利用机器学习算法对成千上万种无机材料进行预测。

随机森林模型以及超导材料Tc散点图如图3-5、新颜3-6所示。在数据库中，济南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。

2018年，开元在nature正刊上发表了一篇题为机器学习在分子以及材料科学中的应用的综述性文章[1]。需要注意的是，隧道机器学习的范围非常庞大，有些算法很难明确归类到某一类。