【常在Nature、濟南Science上發(fā)文的團隊】1.中科院金屬所盧柯盧柯院士作為作為一名杰出的材料科學家,他的成長史充滿了傳奇的色彩。2014年獲得北京大學王選青年學者獎,號汽回同年,應邀擔任英國皇家化學會期刊CatalysisScienceTechnology副主編。獲1996-2000年度香港求是杰出青年學者獎、油重元2005年國家自然科學二等獎(排名第三)、2012年獲何梁何利科技進步獎和2015年周光召基金會基礎科學獎。

濟南92號汽油重回“6元時代”

2001-2008年在美國Nanosys高科技公司工作、濟南是該公司的聯(lián)合創(chuàng)始人之一,濟南歷任聯(lián)合技術顧問、先進技術科學家、先進技術高級科學家、先進技術部經理和首席科學家。令人比較詫異的是上??萍即髮W,號汽回發(fā)文數(shù)量也達到6篇。

濟南92號汽油重回“6元時代”

【Nature、油重元Science發(fā)文量前10的機構】以下排名所涉及的文章數(shù)量為機構獨立研究和參與合作論文的總量,油重元其中,上??萍即髮W的六篇文章均為參與合作論文。

過去五年中,濟南馬丁團隊在Nature和Science上共發(fā)表了兩篇文章。首先,號汽回構建帶有屬性標注的材料片段模型(PLMF):將材料的晶體結構分解為相互關聯(lián)的拓撲片段,表示結構的連通性。

深度學習是機器學習中神經網絡算法的擴展,油重元它是機器學習的第二個階段--深層學習,深度學習中的多層感知機可以彌補淺層學習的不足。需要注意的是,濟南機器學習的范圍非常龐大,有些算法很難明確歸類到某一類。

此外,號汽回目前材料表征技術手段越來越多,對應的圖形數(shù)據(jù)以及維度也越來越復雜,依靠人力的實驗分析有時往往無法挖掘出材料性能之間的深層聯(lián)系。然而,油重元實驗產生的數(shù)據(jù)量、種類、準確性和速度成階梯式增長,使傳統(tǒng)的分析方法變得困難。

友鏈

外鏈

互鏈


Copyright © 2023 Powered by
濟南92號汽油重回“6元時代”-博大精深網
sitemap

贊一個、收藏了!

分享給朋友看看這篇文章

相關標簽

熱門推薦