智能电视/盒子资讯可关注智能电视资讯网news.znds.com，博海全国极具影响力的电视盒子及智能电视网站，博海提供电视盒子、智能电视、智能电视软件等方面的资讯、交流、答疑。

本文对机器学习和深度学习的算法不做过多介绍，拾贝详细内容课参照机器学习相关书籍进行了解。首先，无忧利用主成分分析法（PCA）对铁电磁滞回线进行降噪处理，无忧降噪后的磁滞曲线由（图3-7）黑线所示，能够很好的拟合磁滞回线所有结构特征，解决了传统15参数函数拟合精度不够的问题（图3-7）红色。

博海图3-8压电响应磁滞回线的凸壳结构示例（红色）。发现极性无机材料有更大的带隙能（图3-3），拾贝所预测的热机械性能与实验和计算的数据基本吻合（图3-4）。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：无忧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，无忧对症下方，方能功成。

虽然这些实验过程给我们提供了试错经验，博海但是失败的实验数据摆放在那里彷佛变得并无用处。拾贝利用机器学习解决问题的过程为定义问题-数据收集-建立模型-评估-结果分析。

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，无忧举个简单的例子：无忧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。

单晶多晶的电子衍射花样你都了解吗?本文由材料人专栏科技顾问溪蓓供稿，博海材料人编辑部Alisa编辑。然而大部分研究论文仍然集中在使用常规的表征对材料进行分析，拾贝一些机理很难被常规的表征设备所取得的数据所证明，拾贝此外有深度的机理的研究还有待深入挖掘。

研究者发现当材料中引入硒掺杂时，无忧锂硫电池在放电的过程中长链多硫化物的生成量明显减少，无忧从而有效地抑制了多硫化物的穿梭效应，提高了库伦效率和容量保持率，为锂硫电池的机理研究及其实用化开辟了新的途径。在锂硫电池的研究中，博海利用原位TEM来观察材料的形貌和物相转变具有重要的实际意义。

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，拾贝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.)，拾贝如图三所示。UV-vis是简便且常用的对无机物和有机物的有效表征手段，无忧常用于对液相反应中特定的产物及反应进程进行表征，如锂硫电池体系中多硫化物的测定。