利用k-均值聚類算法，過山根據(jù)凹陷中心與紅線的距離，對磁滯回線的轉(zhuǎn)變過程進行分類。當然，車入機器學習的學習過程并非如此簡單。最后，利擴將分類和回歸模型組合成一個集成管道，應(yīng)用其搜索了整個無機晶體結(jié)構(gòu)數(shù)據(jù)庫并預(yù)測出30多種新的潛在超導(dǎo)體。

參考文獻[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,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：本月認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)用及特點單晶培養(yǎng)秘訣——知己知彼，本月對癥下方，方能功成。圖2-1?機器學習的學習過程流程圖為了通俗的理解機器學習這一概念，川市場市紅舉個簡單的例子：川市場市紅當我們是小朋友的時候，對性別的概念并不是很清楚，這就屬于步驟1：問題定義的過程

作者進一步擴展了其框架，電力大至以提取硫空位的擴散參數(shù)，電力大至并分析了與由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，從而深入了解點缺陷動力學和反應(yīng)（圖3-13）。

過山機器學習分類及對應(yīng)部分算法如圖2-2所示。車入圖六不同錳含量對NaV8O20電化學性能的影響（a）制備的Mn1-NVO,Mn2-NVO,Mn3-NVO和NVO的XRD對比圖。

【成果簡介】基于此，利擴山東大學晶體材料國家重點實驗室王書華教授（通訊作者）、利擴劉宏教授（通訊作者）、聯(lián)合中國科學院化學研究所郭玉國研究員（通訊作者）提出了一種鈉離子和錳離子共同預(yù)嵌入的(Na,Mn)V8O20·nH2O正極材料，用于水系鋅離子電池。本月圖四充放電過程中形貌演變研究（a）首圈完全放電態(tài)Mn1-NVO的TEM及元素分布圖。

川市場市紅（b）不同錳含量的NVO正極材料在4Ag-1下的循環(huán)性能對比。電力大至（i）鋅離子在Mn1-NVO中的可能擴散路徑。