Kim课题组在锂硫电池的正极研究中利用原位TEM等形貌和结构的表征，反转深入的研究了材料的电化学性能与其形貌和结构的关系(Adv.EnergyMater.,2017,7,1602078.)，反转如图三所示。

目前，黑化后续机器学习在材料科学中已经得到了一些进展，如进行材料结构、相变及缺陷的分析[4-6]、辅助材料测试的表征[7-9]等。课本这些都是限制材料发展与变革的重大因素。

最后，告诉故事将分类和回归模型组合成一个集成管道，应用其搜索了整个无机晶体结构数据库并预测出30多种新的潜在超导体。图2-1 机器学习的学习过程流程图为了通俗的理解机器学习这一概念，反转举个简单的例子：反转当我们是小朋友的时候，对性别的概念并不是很清楚，这就属于步骤1：问题定义的过程。当然，黑化后续机器学习的学习过程并非如此简单。

课本（e）分层域结构的横截面的示意图。2机器学习简介所谓的机器学习就是赋予计算机人类的获得知识或技能的能力，告诉故事然后利用这些知识和技能解决我们所需要解决的问题的过程。

参考文献[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]周子扬,电子世界,(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.往期回顾：反转认识这些带你轻松上王者——电催化产氧（OER）测试手段解析新能源材料领域常见的碳包覆法——应用及特点单晶培养秘诀——知己知彼，反转对症下方，方能功成。

图3-11识别破坏晶格周期性的缺陷的深度卷积神经网络图3-12由深度卷积神经网络确定的无监督的缺陷分类图3-13不同缺陷态之间转移概率的分析4机器学习在材料领域的研究展望与其他领域，黑化后续如金融、黑化后续互联网用户分析、天气预测等相比，材料科学利用机器学习算法进行预测的缺点就是材料中的数据量相对较少。选择GO（GO）纤维作为模型，课本因为它具有二维（2D）拓扑结构、丰富的化学分子、超柔性和自粘接能力。

告诉故事高性能和多功能的主动实现需要跨尺度的协调机制（即从纳米/微尺度到宏观尺度）。文献链接：反转Seeded2Depitaxyoflarge-areasingle-crystalfilmsofthevanderWaalssemiconductor2HMoTe2（Science,2021,DOI:10.1126/science.abf5825） 26.浙大高超西安交大刘益伦：反转石墨烯氧化物基纤维的可逆融合和裂在浙江大学高超教授和西安交通大学刘益伦教授团队等人带领下，提出了一种溶剂触发的形貌调控策略来实现可逆的融合和裂变。

这种细化晶粒的策略促进了UFG结构的发展，黑化后续结构不仅高度稳定，黑化后续而且还与金属材料的典型变形机制兼容，从而利用了细晶粒的存在，大大提高了UFG合金的整体机械性能。文献链接：课本Sulfur-anchoringsynthesisofplatinumintermetallicnanoparticlecatalystsforfuelcells(Science2021,doi:10.1126/science.abj9980) 9.清华大学南策文、课本林元华和中国科学院物理所金奎娟：超顺电弛豫铁电体中的超高能量存储清华大学南策文院士，林元华教授和中国科学院物理所金奎娟教授（共同通讯作者）展示了通过超顺电态（SPE）设计可大幅度提高弛豫铁电薄膜的能量存储性能。