然揭這樣當我們遇見一個陌生人時。根據(jù)機器學習訓練集是否有對應的標識可以分為監(jiān)督學習、發(fā)檢無監(jiān)督學習、半監(jiān)督學習以及強化學習。因此，條魚2018年1月，美國加州大學伯克利分校的J.C.Agar[7]等人設(shè)計了機器學習工作流程，幫助我們理解和設(shè)計鐵電材料。

隨后開發(fā)了回歸模型來預測銅基、然揭鐵基和低溫轉(zhuǎn)變化合物等各種材料的Tc值，然揭同樣取得了較好結(jié)果，利用AFLOW在線存儲庫中的材料數(shù)據(jù)，他們進一步提高了這些模型的準確性。本文對機器學習和深度學習的算法不做過多介紹，發(fā)檢詳細內(nèi)容課參照機器學習相關(guān)書籍進行了解。

當然，條魚機器學習的學習過程并非如此簡單。

就是針對于某一特定問題，然揭建立合適的數(shù)據(jù)庫，然揭將計算機和統(tǒng)計學等學科結(jié)合在一起，建立數(shù)學模型并不斷的進行評估修正，最后獲得能夠準確預測的模型。這項研究為石墨烯的CVD生長中的氣相反應工程學提供了新的見解，發(fā)檢從而獲得了高質(zhì)量的石墨烯薄膜，發(fā)檢并為大規(guī)模生產(chǎn)具有改進性能的石墨烯薄膜鋪平了道路，為將來的應用鋪平了道路。

文獻鏈接：條魚https://doi.org/10.1021/acs.nanolett.0c00348二、條魚江雷江雷，1965年3月生吉林長春，無機化學家、納米材料專家，中國科學院院士?、發(fā)展中國家科學院院士、美國國家工程院外籍院士??，中國科學院化學研究所研究員、博士生導師，北京航空航天大學化學與環(huán)境學院院長?。就像在有機功能納米結(jié)構(gòu)研究上，然揭考慮到納米結(jié)構(gòu)在無機半導體領(lǐng)域所取得的非凡成就，然揭作為一類重要的光電信息功能材料，有機分子結(jié)構(gòu)的多樣性，可設(shè)計性以及材料合成及制備方法上的靈活性都使得有機納米結(jié)構(gòu)的研究尤為重要。

近期代表性成果：發(fā)檢1、發(fā)檢Angew:?調(diào)節(jié)單原子摻雜二氧化鈦中晶格氧的電荷轉(zhuǎn)移以HER中科院化學研究所姚建年院士和北京交通大學王熙教授分別以TM1/TiO2和HER為模型催化劑和模型反應，系統(tǒng)地研究了催化作用下的電荷轉(zhuǎn)移。發(fā)展了多種制備有機納米結(jié)構(gòu)的方法，條魚并借此開發(fā)了多種低維有機納米功能材料，包括多色發(fā)光、白光材料以及光波導和紫外激光器材料等。