周记相关成果以题为Three-dimensionallyhierarchicalMoS2/graphenearchitectureforhigh-performancehydrogenevolutionreaction发表在了NanoEnergy上。

请留意1：好朋稿件在材料人微信公众号上推送时，我们不会挂原创标识，所以该文仍可在别的公众号上推送。3：周记如果三天内没有专栏作者应约撰写，材料人将会邮件告知于您。

如果有专栏作者感兴趣撰写初稿件之后，好朋材料人值班编辑会邮件联系课题组进行文章校稿，校稿完成将安排在材料牛网和微信公众号上发布文章。如果课题组有需要，周记可以任选以下方式合作。视频报道自材料人APP发布之后，好朋材料人加大对视频内容建设的投入。

如希望加入，周记请邮件至[email protected]。如果您希望签约兼职专栏作者撰写稿件，好朋请将论文全文和重要数据图打包发送到投稿邮箱。

为了提供更好更新更准确的科研工作，周记材料人在此诚邀各大课题组向我们投稿或合作，并将涉及的情况做简单说明

方式一：好朋提供完整中文稿件请先写好的研究成果介绍（包括前言、好朋成果简介、数据图介绍、文章小结和文献链接）发送到材料人投稿邮箱：[email protected]  材料人值班编辑会邮件联系课题组进行文章校稿，校稿完成将安排在材料牛网和微信公众号上发布文章。这种方法从函数求值的角度来说，周记要比传统的NEB方法快一个数量级，且没有损失收敛能垒的准确性。

好朋【引言】NEB算法是用于计算化学体系中过渡态最为常用的方法。这种算法一般通过寻找反应物和产物转化的最小能量路径，周记来识别与两能态之间的势垒有关的能量。

好朋路径优化是通过一个每一步迭代都对所有图像进行移动并求值的迭代过程实现的。下方折线图表示相对于ML-NEB算法预测结果中相同位置处的函数目标值，周记三个采集函数得到的沿路径预测能量的平均误差。