為了解決上述出現(xiàn)的問題，工智工作結(jié)合目前人工智能的發(fā)展潮流，工智工作科學家發(fā)現(xiàn)，我們可以將所有的實驗數(shù)據(jù)，計算模擬數(shù)據(jù)，整合起來，無論好壞，便能形成具有一定數(shù)量的數(shù)據(jù)庫。此外，新平隨著機器學習的不斷發(fā)展，深度學習的概念也時常出現(xiàn)在我們身邊。隨后，臺重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。

圖3-5?隨機森林算法流程圖圖3-6超導材料的Tc散點圖3.2輔助材料測試的表征近年來，點企由于原位探針的出現(xiàn)，點企使研究人員研究鐵電疇結(jié)構(gòu)在外部刺激下的翻轉(zhuǎn)機制成為可能。另外7個模型為回歸模型，業(yè)優(yōu)應用預測絕緣體材料的帶隙能（EBG），業(yè)優(yōu)應用體積模量（BVRH），剪切模量（GVRH），徳拜溫度（θD），定壓熱容（CP），定容熱容（Cv）以及熱擴散系數(shù)（αv）。

此外，品和Butler等人在綜述[1]中提到，量子計算在檢測和糾正數(shù)據(jù)時可能會產(chǎn)生錯誤，那么量子機器學習便開拓了機器學習在解決量子問題上的應用領(lǐng)域。

最后，案例將分類和回歸模型組合成一個集成管道，應用其搜索了整個無機晶體結(jié)構(gòu)數(shù)據(jù)庫并預測出30多種新的潛在超導體。河南Figure2[1]（A）成分為Fe-0.18C-8Mn（%）中錳鋼的力學性能：ART表示兩相區(qū)退火處理的樣品。

為了獲得良好的強塑性匹配，省開勢產(chǎn)材料科學家發(fā)明了孿晶誘導塑性的高Mn鋼。當垂直于晶界施加應力時，展人征集亞穩(wěn)態(tài)的Dominos相更穩(wěn)定。

Figure7納米孿晶銅的變型特征[6]a.b晶粒的變形方式;c.d分別為對納米銅進行掃描和共聚焦激光掃描顯微鏡觀察的組織形態(tài)7）盧柯等人發(fā)現(xiàn)利用納米孿晶提高材料的強塑性又不劇烈的損失其導電性就像塑性和強度不可兼得一樣，工智工作金屬材料中，工智工作導電性與強度也是相互掣肘的。Figure4為納米晶Cu，新平通過脈沖電沉積的方法使其內(nèi)部產(chǎn)生納米孿晶。