深度學習算法包括循環(huán)神經(jīng)網(wǎng)絡（RNN）、次設卷積神經(jīng)網(wǎng)絡（CNN）等[3]。當我們進行PFM圖譜分析時，備第僅僅能表征a1/a2/a1/a2與c/a/c/a之間的轉(zhuǎn)變，備第而不能發(fā)現(xiàn)a1/a2/a1/a2內(nèi)的反轉(zhuǎn)，因此將上述降噪處理的數(shù)據(jù)、凸殼曲線以及k-均值聚類的方法結(jié)合在一起進行分析，發(fā)現(xiàn)了a1/a2/a1/a2內(nèi)的結(jié)構(gòu)的轉(zhuǎn)變機制。目前，批次機器學習在材料科學中已經(jīng)得到了一些進展，如進行材料結(jié)構(gòu)、相變及缺陷的分析[4-6]、輔助材料測試的表征[7-9]等。

隨后，招標2011年夏天，奧巴馬政府宣布了材料基因組計劃(MaterialsGenomeInitiative,簡稱MGI)，該計劃在材料科學中掀起了一場革命。2018年，項目在nature正刊上發(fā)表了一篇題為機器學習在分子以及材料科學中的應用的綜述性文章[1]。

雖然這些實驗過程給我們提供了試錯經(jīng)驗，結(jié)果但是失敗的實驗數(shù)據(jù)擺放在那里彷佛變得并無用處。

3.1材料結(jié)構(gòu)、南方年主相變及缺陷的分析2017年6月，南方年主Isayev[4]等人將AFLOW庫和結(jié)構(gòu)-性能描述符聯(lián)系起來建立數(shù)據(jù)庫，利用機器學習算法對成千上萬種無機材料進行預測。藤島昭，電網(wǎng)國際著名光化學科學家，電網(wǎng)光催化現(xiàn)象發(fā)現(xiàn)者，多次獲得諾貝爾獎提名，因發(fā)現(xiàn)了二氧化鈦單晶表面在紫外光照射下水的光分解現(xiàn)象，即本多-藤島效應（Honda-FujishimaEffect），開創(chuàng)了光催化研究的新篇章，后被學術(shù)界譽為光催化之父。

公司公告2014年作為中國大陸首位獲獎人獲得美國材料學會獎勵MRSMid-CareerResearcherAward。次設2009年當選中國科學院院士。

接下來，備第本文重點介紹一門三院士的主角-劉忠范院士、江雷院士、姚建年院士以及他們的近期研究進展。該研究為多孔材料和智能除濕材料的設計提供了一條新途徑，批次在生物醫(yī)學材料、先進功能紡織品、工程除濕材料等方面具有廣闊的應用前景。