參考文獻(xiàn)[1]K.T.Butler,D.W.Davies,H.Cartwright,O.Isayev,A.Walsh,Nature,559(2018)547.[2]D.-H.Kim,T.J.Kim,X.Wang,M.Kim,Y.-J.Quan,J.W.Oh,S.-H.Min,H.Kim,B.Bhandari,I.Yang,InternationalJournalofPrecisionEngineeringandManufacturing-GreenTechnology,5(2018)555-568.[3]周子揚(yáng),電子世界,(2017)72-73.[4]O.Isayev,C.Oses,C.Toher,E.Gossett,S.Curtarolo,A.Tropsha,Naturecommunications,8(2017)15679.[5]V.Stanev,C.Oses,A.G.Kusne,E.Rodriguez,J.Paglione,S.Curtarolo,I.Takeuchi,npjComputationalMaterials,4(2018)29.[6]A.Rovinelli,M.D.Sangid,H.Proudhon,W.Ludwig,npjComputationalMaterials,4(2018)35.[7]J.C.Agar,Y.Cao,B.Naul,S.Pandya,S.vanderWalt,A.I.Luo,J.T.Maher,N.Balke,S.Jesse,S.V.Kalinin,AdvancedMaterials,30(2018)1800701.[8]R.K.Vasudevan,N.Laanait,E.M.Ferragut,K.Wang,D.B.Geohegan,K.Xiao,M.Ziatdinov,S.Jesse,O.Dyck,S.V.Kalinin,npjComputationalMaterials,4(2018)30.[9]A.Maksov,O.Dyck,K.Wang,K.Xiao,D.B.Geohegan,B.G.Sumpter,R.K.Vasudevan,S.Jesse,S.V.Kalinin,M.Ziatdinov,npjComputationalMaterials,5(2019)12.[10]Y.Zhang,C.Ling,NpjComputationalMaterials,4(2018)25.[11]H.Trivedi,V.V.Shvartsman,M.S.Medeiros,R.C.Pullar,D.C.Lupascu,npjComputationalMaterials,4(2018)28.往期回顧：全新認(rèn)識這些帶你輕松上王者——電催化產(chǎn)氧（OER）測試手段解析新能源材料領(lǐng)域常見的碳包覆法——應(yīng)用及特點(diǎn)單晶培養(yǎng)秘訣——知己知彼，全新對癥下方，方能功成。然后，感受采用梯度提升決策樹算法，建立了8個預(yù)測模型（圖3-1），其中之一為二分類模型，用于預(yù)測該材料是金屬還是絕緣體。在數(shù)據(jù)庫中，全新根據(jù)材料的某些屬性可以建立機(jī)器學(xué)習(xí)模型，便可快速對材料的性能進(jìn)行預(yù)測，甚至是設(shè)計(jì)新材料，解決了周期長、成本高的問題。

此外，感受隨著機(jī)器學(xué)習(xí)的不斷發(fā)展，深度學(xué)習(xí)的概念也時常出現(xiàn)在我們身邊。雖然這些實(shí)驗(yàn)過程給我們提供了試錯經(jīng)驗(yàn)，全新但是失敗的實(shí)驗(yàn)數(shù)據(jù)擺放在那里彷佛變得并無用處。

作者進(jìn)一步擴(kuò)展了其框架，感受以提取硫空位的擴(kuò)散參數(shù)，感受并分析了與由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)缺陷動力學(xué)和反應(yīng)（圖3-13）。

對錯誤的判斷進(jìn)行糾正，全新我們的大腦便記住這一特征，并將大腦的模型進(jìn)行重建，這樣就能更準(zhǔn)確的有性別的區(qū)別。這個人是男人還是女人？隨著我們慢慢的長大，感受接觸的人群越來越多，感受了解的男人女人的特征越來越多，如音色、穿衣、相貌特征、發(fā)型、行為舉止等。

首先，全新構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型（圖3-11），全新識別在STEM數(shù)據(jù)中出現(xiàn)的破壞晶格周期性的缺陷，利用模型的泛化能力在其余的實(shí)驗(yàn)中找到各種類型的原子缺陷。屬于步驟三：感受模型建立然而，感受剛剛有性別特征概念的人，往往會在識別性別的時候有錯誤，例如錯誤的認(rèn)為養(yǎng)著長頭發(fā)的男人是女人，養(yǎng)短頭發(fā)的女人是男人。

并利用交叉驗(yàn)證的方法，全新解釋了分類模型的準(zhǔn)確性，精確度為92±0.01%（圖3-9）。再者，感受隨著計(jì)算機(jī)的發(fā)展，感受許多諸如第一性原理計(jì)算、相場模擬、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。