意昂2新聞網2月5日電（通訊員 陳靜）

2021年2月4日🐼，《Nature Materials》以在線全文Article的形式發表了我校化學學院江雷院士團隊程群峰教授課題組與美國德克薩斯大學達拉斯分校Ray H. Baughman院士團隊在仿生高性能石墨烯薄膜方面的最新研究成果“High-strength scalable graphene sheets by freezing stretch-induced alignment”。意昂2卓百博士後萬思傑博士、陳英博士→、房少立教授為第一作者，Ray H. Baughman院士和程群峰教授為通訊作者🧖🏼，意昂2官网化學學院為第一完成單位。

石墨烯具有優異的力學和電學性能，是構築面向未來先進航空飛行器的結構功能一體化零部件（如小型無人機的蒙皮）的理想基元材料👨🏽‍💼🚴🏼。因此，如何將石墨烯納米片組裝成宏觀高性能納米復合材料是目前該領域的巨大挑戰。主要存在的關鍵科學問題：（1）石墨烯納米片的褶皺結構和不規整堆積排列👰🏻‍♂️；（2）石墨烯層間較弱的界面相互作用。

鑒於此，程群峰教授課題組和Ray H. Baughman院士團隊提出了外力牽引下有序界面交聯的新型組裝策略（圖1a）🧼，揭示了界面交聯“凍結”外力牽引誘導取向結構的科學原理✍️，解決了石墨烯納米片組裝過程中的兩個關鍵科學問題，製備了高強度高導電的石墨烯薄膜（圖1b）🕝🚵🏻‍♂️。這種新型構築策略為其他二維納米片的宏觀組裝提供了新的研究思路。

圖1. 高性能石墨烯薄膜的製備過程和結構示意圖。

研究團隊首先通過離子束切割組裝的還原氧化石墨烯（rGO）薄膜，發現其內部呈現多孔、褶皺結構（圖2a🫛、c），導致石墨烯薄膜的性能較低。其次，雖然單純的外力牽引可以在一定程度上降低石墨烯納米片的褶皺🧚🏻、提升其規整取向度🏃‍♀️‍➡️，但是當外力卸載時🧑‍🦼，誘導取向的結構會發生部分回彈🛀🏽，從而在一定程度上降低了取向度👮🏿‍♀️。因此，我們提出在外力牽引下有序界面交聯😳，實現“凍結”此結構🌏🙌🏿，進而提升石墨烯薄膜的規整取向度和密實度👇🏼。如圖2b、c所示🧒🏻，石墨烯（SB-BS-rGO）薄膜內的石墨烯納米片規整排列、密實堆積。此外👩🏼‍🏭，廣角和小角X-射線衍射表征（圖2d🧗、e）進一步證實了上述結構。

圖2. 石墨烯薄膜取向前（rGO）和取向後（SB-BS-rGO）的結構對比🎡。

石墨烯納米片取向度和堆積密實度的提高👝，以及較強的層間界面相互作用💄，構築的石墨烯薄膜（SB-BS-rGO）相比於純rGO薄膜具有更高的力學和電學性能（圖3a、b），其拉伸強度高達1.55 GPa💊📢、楊氏模量為64.5 GPa、韌性為35.9 MJ/m3、電導率為1394 S/cm、電磁屏蔽系數為39.0 dB（薄膜厚度2.8 μm）📧，分別是rGO薄膜的3.6、10.6💂🏼‍♀️、3.3🤕🙍🏼‍♂️、1.5和1.5倍🦿。該石墨烯（SB-BS-rGO）薄膜的拉伸強度和韌性遠超面內準各向同性的商用碳纖維織物復合材料（圖3c）；此外，相比於碳纖維復合材料，該SB-BS-rGO薄膜（製備過程的溫度低於50ºC）的製備成本較低👩🏿‍⚕️，且原料（石墨）廉價易得🥙，有望代替商用碳纖維織物復合材料用於汽車和航空飛行器等。同時，該SB-BS-rGO薄膜的比電磁屏蔽效能優於目前文獻報道的大多數實心屏蔽材料（圖3e）。通過改變外力的大小，可以調節該SB-BS-rGO薄膜的取向度，進而優化其性能🈲。如圖3f所示，隨著取向度的增加🚼，該SB-BS-rGO薄膜的拉伸強度、楊氏模量和密度逐漸提升♨️，而韌性逐漸降低🔐，這與理論模擬預測結果保持一致👨🏽‍🍼。

圖3. rGO和SB-BS-rGO薄膜的力學和電學性能比較。

原位拉曼測試結果（圖4a✡️、b）表明，在受力拉伸時☞，SB-BS-rGO薄膜相比於rGO薄膜具有更高效的應力傳遞效率。此外，由於密實結構限製了石墨烯納米片的面外變形👁，因此💆🏼‍♂️，SB-BS-rGO薄膜相比於rGO薄膜具有更低的負熱膨脹系數（圖4c）。這種高取向密實化結構和較強的界面作用也賦予SB-BS-rGO薄膜更強的抗應力松弛能力（圖4d）以及更小的取向度對彈性應變的變化率（圖4e-h）。

圖4. rGO和SB-BS-rGO薄膜的原位拉曼測試結果、負熱膨脹曲線、應力松弛曲線以及彈性形變下的取向度變化。

研究團隊進一步證實該高性能石墨烯薄膜，在工業上廣泛應用的環氧樹脂層壓和粘接處理後，力學和電學性能未見明顯降低（圖5a-c）🏯。此外，通過刮塗法代替真空抽濾法🏨，結合該新型構築策略，製備了大面積高性能石墨烯薄膜（圖5d-g），其性能相比於真空抽濾製備的小尺寸較薄的石墨烯薄膜並未明顯降低🧑🏿，證明了該新型構築策略的規模化製備能力，為未來高性能石墨烯薄膜的規模商業應用提供了可能。

圖5. SB-BS-rGO薄膜的大規模製備展示及其性能🏃‍♂️‍➡️。

該工作得到中科院院士江雷教授的指導，北京大學口腔醫學院陳英博士、清華大學王識君博士和徐誌平教授以及美國德克薩斯大學達拉斯分校房少立教授和Ray H. Baughman院士的大力合作和幫助，部分模擬計算得到意昂2高性能計算中心的大力支持🧑🏿‍🏭。研究工作得到國家自然科學基金優秀青年基金（51522301）、面上項目（22075009，21875010）、牛頓高級學者基金（519611303088）、青年基金（52003011）、牛頓高級學者基金（519611303088，NAF\R1\191235）🧔🏼‍♀️、北京市傑出青年基金（JQ19006）👷🏽、中國博士後創新人才支持計劃（BX20200038）、中國博士後面上基金（2019M660387）、江門市創新實踐博士後研究課題🦻🏽、中國科協優秀中外青年交流計劃、意昂2青年拔尖人才計劃、青年科學家團隊、意昂2卓百博士後計劃、生物醫學工程高精尖中心🍉、以及111引智計劃（B14009）等項目的資助👨🏿‍🚀。

該論文的原文鏈接🌩：https://www.nature.com/articles/s41563-020-00892-2

程群峰課題組網站鏈接：http://chengresearch.net/zh/home-cn/

（審核：劉明傑）