（b，中国d）亚5nm超窄ZGNR（b）和AGNR（d）的三维AFM高度图像。
最后我们拥有了识别性别的能力，电科并能准确的判断对方性别。所推试仪机器学习分类及对应部分算法如图2-2所示。
1前言材料的革新对技术进步和产业发展具有非常重要的作用，出光但是传统开发新材料的过程，都采用的试错法，实验步骤繁琐，研发周期长，浪费资源。再者，变分布测随着计算机的发展，变分布测许多诸如第一性原理计算、相场模拟、有限元分析等手段随之出现，用以进行材料的结构以及性能方面的计算，但是往往计算量大，费用大。随后，中国2011年夏天，奥巴马政府宣布了材料基因组计划(MaterialsGenomeInitiative,简称MGI)，该计划在材料科学中掀起了一场革命。
深度学习算法包括循环神经网络（RNN）、电科卷积神经网络（CNN）等[3]。近年来，所推试仪这种利用机器学习预测新材料的方法越来越受到研究者的青睐。
图3-7 单个像素处压电响应的磁滞回线：出光原始数据（蓝色圆圈），传统拟合曲线（红线）和降噪处理后的曲线（黑线）。
我在材料人等你哟，变分布测期待您的加入。2015.5-2016.6在美国佐治亚理工学院做国家公派访问学者，中国2017.3-2017.9在美国明尼苏达大学双城校区做短期访问学者。
电科图1（a）BLFO/ZnO异质结示意图。所推试仪图6（a）ZnO纳米线阵列的压电势分布仿真结果。
出光（b）BLFO薄膜的表面SEM图像。变分布测（d）不同测试条件下的光伏特性。