2018年，吃盒在nature正刊上發(fā)表了一篇題為機器學習在分子以及材料科學中的應用的綜述性文章[1]。普通標記表示凸多邊形上的點。文章詳細介紹了機器學習在指導化學合成、人沒輔助多維材料表征、人沒獲取新材料設計方法等方面的重要作用，并表示新一代的計算機科學，會對材料科學產生變革性的作用。

基于此，必要本文對機器學習進行簡單的介紹，必要并對機器學習在材料領域的應用的研究進展進行詳盡的論述，根據(jù)前人的觀點，總結機器學習在材料設計領域的新的發(fā)展趨勢，以期待更多的研究者在這個方向加以更多的關注。太上陰影區(qū)域表示用于創(chuàng)建凹度曲線的區(qū)域圖3-9分類模型精確度圖圖3-10（a~d）由高斯擬合鐵電體計算的凹面積圖。

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：著急認識這些帶你輕松上王者——電催化產氧（OER）測試手段解析新能源材料領域常見的碳包覆法——應用及特點單晶培養(yǎng)秘訣——知己知彼，著急對癥下方，方能功成。

首先，明星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。測試結果發(fā)現(xiàn)，離婚2DCOF薄膜展示了達到1Wm-1?K-1的導熱性能，超低的介電常數(shù)k=1.6。

相關研究以Fast-SwitchingVis?IRElectrochromicCovalentOrganicFrameworks為題目，好比火干發(fā)表在JACS上。二維共價有機配合物框架材料具有模塊化結構，吃盒能夠進行分子級別精確控制，表現(xiàn)出較高的孔道結構和層狀片狀形貌。

在本研究中，普通證明了良好配體的設計COFs是穩(wěn)定氧化還原反應的關鍵，展示了構建高性能鋰有機電池COF電極的基本原理。這些結果表明，人沒層狀2DCOF是有希望的下一代介電層，這種效果有望在高性能芯片中展示應用前景，可能解決摩爾定律達到極限的問題。