液态金属是指一种不定型金属，南网0年液态金属可看作由正离子流体和自由电子气组成的混合物，液态金属也是一种不定型、可流动液体的金属。

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，超高采购举个简单的例子：超高采购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。第单这一理念受到了广泛的关注。

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，批科如金融、批科互联网用户分析、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。飞秒X射线在量子材料动力学中的探测运用你真的了解电催化产氢这些知识吗？已为你总结好，技项快戳。实验过程中，目服研究人员往往达不到自己的实验预期，而产生了很多不理想的数据。

有很多小伙伴已经加入了我们，南网0年但是还满足不了我们的需求，期待更多的优秀作者加入，有意向的可直接微信联系cailiaorenVIP。超高采购图2-2 机器学习分类及算法3机器学习算法在材料设计中的应用使用计算模型和机器学习进行材料预测与设计这一理念最早是由加州大学伯克利分校的材料科学家GerbrandCeder教授提出。

虽然这些实验过程给我们提供了试错经验，第单但是失败的实验数据摆放在那里彷佛变得并无用处。

批科这些都是限制材料发展与变革的重大因素。在潘丙才老师报告的结尾，技项归纳纳米技术发展路线中提到一句话与大家分享：技项Thereisplenty ofroomatthebottom.报告提及文献：（1）ZhangPan*,EnvironSciTechnol2017,51,9210（2）PanPan*,Nanoscale2017,9,1915（3）Pan*,EnvironSciTechnol2014,48,5101（4）ZhangPan*,EnvironSciTechnol2017,51,9210（5）Pan*,ChemEngJ2014,248,290（6）PanPan*,WaterRes 2010,44,815（7）Pan*,EnvironSciTechnol2014,48,5101（8）Pan*,EnvironSciTechnol2013,47,6536（9）HuaandPan*,ACSApplMaterInterfaces2013,5,12135（10）Pan*,EnvironSciTechnol2013,47,6536（11）ZhangPan*,EnvironSciTechnol2016,50,1447此外，中国科学院生态环境研究中心江桂斌院士也在闭幕前带来精彩的压轴学术报告。

目服（5）Yangetal.,J.Environ.Sci.Health,2011,46,272-280。南网0年报告提及文献：大连理工大学刘猛教授报告：（1）ACSNano2014,8,5564;（2）TrendsAnal.Chem.2015,74,120;（3）Biochimie2018,145,151(Invitedpaper);（4）MRSCommun2018,8,687(Invitedpaper);（5）Chem.Int.Ed.2018,57,12440南开大学祝凌燕教授报告：（1）Lee,etal.ACSNano,2007.;（2）Fabrega,etal.Environ.Int.2011.;（3）Yang,etal.Environ.Sci.Technol.2012.;（4）Sci.Technol.2016,50,13283.;（5）Sci.Technol.2016,50,13283.;（6）Sci.Technol.2016,50,13283.;（7）Sci.:Nano.2018,5(10),2452.;（8）Sci.:Nano.2018,5(10),2452.;Environ.Sci.:Nano.2018,5(5),1191.;（9）Sci.:Nano.2018,5(5),1191.华南理工大学石振清教授报告纳米尺度下矿物和有机质相互作用机制及其对重金属环境行为影响。

超高采购报告提及文献：华东理工大学邢明阳副教授报告：（1）Dong,M.Xing*etal.,NatureCommun.2018,9,1252(HighlightedbyEditor);（2）Qiu,M.Xing*etal.,Angew.Chem.Int.Ed.2017,56,2684(ESI高被引论文);（3）Qiu,M.Xing*etal.,Angew.Chem.Int.Ed.2015,54,10643。第单（9） Sci.Technol.48(2014) 5493。