此外，裝前作者利用高斯擬合定量化磁滯轉(zhuǎn)變曲線的幅度，裝前結(jié)合機(jī)器學(xué)習(xí)確定了峰/谷c/a/c/a?-?a1/a2/a1/a2域邊界上的鐵彈性增加的特征（圖3-10），而這一特征是人為無(wú)法發(fā)掘的。以上，國(guó)產(chǎn)便是本人對(duì)機(jī)器學(xué)習(xí)對(duì)材料領(lǐng)域的發(fā)展作用的理解，如果不足，請(qǐng)指正。作者進(jìn)一步擴(kuò)展了其框架，芯片以提取硫空位的擴(kuò)散參數(shù)，芯片并分析了與由Mo摻雜劑和硫空位組成的不同配置的缺陷配合物之間切換相關(guān)的轉(zhuǎn)換概率，從而深入了解點(diǎn)缺陷動(dòng)力學(xué)和反應(yīng)（圖3-13）。

Ceder教授指出，業(yè)換可以借鑒遺傳科學(xué)的方法，業(yè)換就像DNA堿基對(duì)編碼蛋白質(zhì)等各種生物材料一樣，用材料基因組編碼各種化合物，而實(shí)現(xiàn)這一編碼的工具便是計(jì)算機(jī)的數(shù)據(jù)挖掘及機(jī)器學(xué)習(xí)算法等。深度學(xué)習(xí)算法包括循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、裝前卷積神經(jīng)網(wǎng)絡(luò)（CNN）等[3]。

再者，國(guó)產(chǎn)隨著計(jì)算機(jī)的發(fā)展，國(guó)產(chǎn)許多諸如第一性原理計(jì)算、相場(chǎng)模擬、有限元分析等手段隨之出現(xiàn)，用以進(jìn)行材料的結(jié)構(gòu)以及性能方面的計(jì)算，但是往往計(jì)算量大，費(fèi)用大。

雖然這些實(shí)驗(yàn)過(guò)程給我們提供了試錯(cuò)經(jīng)驗(yàn)，芯片但是失敗的實(shí)驗(yàn)數(shù)據(jù)擺放在那里彷佛變得并無(wú)用處。此外，業(yè)換在811nm激光照射下，異質(zhì)結(jié)構(gòu)表現(xiàn)出高達(dá)7.5×1012?Jones的光檢出率。

清華大學(xué)BiluLiu教授和成會(huì)明院士為通訊作者在ACSNano上發(fā)表文章，裝前題為VerticalChemicalVaporDepositionGrowthofHighlyUniform2DTransitionMetalDichalcogenides，裝前報(bào)告了一種使用氣體前驅(qū)體的垂直化學(xué)氣相沉積(VCVD)設(shè)計(jì)，用于在整個(gè)襯底上生長(zhǎng)密度均勻、質(zhì)量高、重現(xiàn)性好的單層TMDCs。進(jìn)一步的分析表明，國(guó)產(chǎn)經(jīng)過(guò)訓(xùn)練的網(wǎng)絡(luò)可以提取深度圖形特征，國(guó)產(chǎn)如對(duì)比度、顏色、邊緣、形狀、片狀大小及其分布，在此基礎(chǔ)上開發(fā)了一種集成方法來(lái)預(yù)測(cè)二維材料最相關(guān)的物理特性。

Deep-Learning-EnabledFastOpticalIdentification,Adv.Mater.,2020,DOI:10.1002/adma.202000953.https://doi.org/10.1002/adma.2020009535.Adv.Funct.Mater.MXene異質(zhì)結(jié)構(gòu)具有優(yōu)異性能的電容器2D/2D異質(zhì)結(jié)構(gòu)可以結(jié)合每個(gè)2D材料的共同優(yōu)勢(shì)，芯片甚至顯示出協(xié)同效應(yīng)的改善性能。這種氣體VCVD設(shè)計(jì)可以很好地控制TMDC生長(zhǎng)過(guò)程中的三個(gè)關(guān)鍵參數(shù)，業(yè)換包括前驅(qū)體濃度、業(yè)換氣體流量和溫度，這在目前廣泛使用的含固體前驅(qū)體的水平CVD系統(tǒng)中是無(wú)法做到的。