Self-healing solid-state aqueous rechargeable NiCo||Zn batteries are inherently safe and have a high energy density and mechanical robustness. However, the self-healability of solid-state batteries has only been realized by a few studies in which electron/ion-inactive self-healable substrates are utilized. This arises from the lack of self-healable electrolytes. Now an intrinsically self-healing battery has been designed that utilizes a new electrolyte that is intrinsically self-healable. Sodium polyacrylate hydrogel chains are crosslinked by ferric ions to promote dynamic reconstruction of an integral network. These non-covalent crosslinkers can form ionic bonds to reconnect damaged surfaces when the hydrogel is cut off, providing an ultimate solution to the intrinsic self-healability problem of batteries. As a result, this NiCo||Zn battery with this hydrogel electrolyte can be autonomically self-healed with over 87 % of capacity retained after 4 cycles of breaking/healing.

Improvement of hydrogen evolution ability is an urgent task for developing advanced catalysts. As one of the promising visible-light photocatalysts, ZnIn2S4 suffers from the ultrafast recombination of photoinduced charges, which limits its practical application for efficient solar water splitting. Herein, we reported a two-step method to prepare hierarchical core–shell carbon nanofiber@ZnIn2S4 composites. One-dimensional carbon nanofibers were first prepared by electrospinning and carbonization in N2. The subsequent solvothermal process led to the in situ growth of ZnIn2S4 nanosheets on the carbon nanofibers to fabricate hierarchical structure composites. The hierarchical core–shell configuration structure can help to form an intimate contact between the ZnIn2S4 nanosheet shell and the carbon nanofiber backbone compared with the equivalent physical mixture and can facilitate the interfacial charge transfer driven by the excitation of ZnIn2S4 under visible-light irradiation. Meanwhile, the ultrathin ZnIn2S4 nanosheets were uniformly grown on the surface of the carbon nanofibers, which can avoid agglomeration of ZnIn2S4. These synergistic effects made this unique hierarchical structure composite exhibit a significantly higher visible-light photocatalytic activity toward hydrogen evolution reaction compared with pure ZnIn2S4 or a physical mixture of ZnIn2S4 and carbon nanofibers in the absence of noble metal cocatalysts.

The one-dimensional nanowire Pt-based catalysts achieves a much lower local oxygen transport resistance than three-dimensional catalysts owing to the broader and shorter transport paths in well-layered ionomer films on one-dimensional catalysts.

Alkaline phosphatase (ALP) is a biomarker for many diseases, and monitoring its activity level is important for disease diagnosis and treatment. In this study, we used the microdroplet technology combined with an in situ laser-induced polymerization method to prepare the Ag nanoparticle (AgNP) doped hydrogel microbeads (HMBs) with adjustable pore sizes that allow small molecules to enter while blocking large molecules. The AgNPs embedded in the hydrogel microspheres can provide SERS activity, improving the SERS signal of small molecules that diffuse to the AgNPs. A specific hydrolysis reaction of ALP on 5-bromo-4-chloro-3-indolylphosphate (BCIP) was introduced and itsproduct 5,5′-dibromo-4,4′-dichloro-1H,1H-[2,2']bisindolyl-3,3′-dione (BCI) was employed to assess ALP activity due to its highly resonance Raman activity. The sensing platform was applied to model ALP activity in serum and evaluate ALP inhibitors. The SERS assay showed higher sensitivity than UV–vis absorption spectroscopy, with the lowest detectable ALP concentration of 1.0 × 10–20 M. In addition, the ALP activity in HepG2 cells was evaluated using this sensing platform, showing lower ALP-expressing activity than that of controls in response to hypoxia and iron metastasis. This SERS-activated HMB shows great potential in detecting ALP and is expected to help analyze complex clinical samples.

Poor crystallinity is a common problem of kesterite absorbers based on non‐hydrazine solution method, which obstructs charge transfer and affects photovoltaic performance of the thin‐film devices, especially the open‐circuit voltage ( V OC ). Se diffusion is often insufficient during the crystal growth of kesterite absorber, resulting in uneven selenization reaction. Herein, Se molecule is introduced into kesterite precursor film to promote the absorber crystallinity while preventing the formation of a thick Mo(Se,S) 2 layer. It is found that after Se‐introduction treatment, Se element distributes more uniformly in the absorber film after high‐temperature annealing. During selenization, the lower part of the precursor film can easily obtain Se and experience crystallization, thus promoting the crystallization of the whole absorber. As a result, the absorber defects are passivated. According to charge carrier characterization, the carrier lifetime of the device is prolonged due to the reduced carrier recombination centers. Finally, a champion device with the V OC increases by 23 mV, and an efficiency of 12.39% (active area efficiency of 13.57%) is achieved.

The multi-ship formation (MSF) identification method on the large-scale RD image has been proven to separate formations, single-target, and clutter backgrounds. Due to the low-resolution, the imaging bias caused by measure errors for HFSWR is the principal problem of adopting the deep learning network to identify MSF. In this paper, we construct the deep learning dataset with parameters $R_{0}$ , ${\theta }_0$ and $v_{ship}$ variations. Then, we verify the identification performance and transfer learning performance of the CNN-ELM on the new dataset. To some extent, the CNN-ELM network can ignore the impact of radar measurement parameter fluctuations and accurately identify MSF. Compared with the published paper, there is a decrease in the accuracy of the CNN-ELM, Alexnet, and Resnet 18. The subtle differences caused by measurement error cannot be completely overcome through transfer learning on the above three networks.