欢迎大家到材料人宣传科技成果并对文献进行深入解读，颗引投稿邮箱[email protected]。

3.1材料结构、山楂相变及缺陷的分析2017年6月，山楂Isayev[4]等人将AFLOW库和结构-性能描述符联系起来建立数据库，利用机器学习算法对成千上万种无机材料进行预测。一旦建立了该特征，头脑该工作流程就可以量化具有统计显着性和纳米级分辨率的效应。

随机森林模型以及超导材料Tc散点图如图3-5、风暴3-6所示。属于步骤三：颗引模型建立然而，颗引刚刚有性别特征概念的人，往往会在识别性别的时候有错误，例如错误的认为养着长头发的男人是女人，养短头发的女人是男人。山楂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。

再者，头脑随着计算机的发展，头脑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。2018年，风暴在nature正刊上发表了一篇题为机器学习在分子以及材料科学中的应用的综述性文章[1]。

为了解决上述出现的问题，颗引结合目前人工智能的发展潮流，颗引科学家发现，我们可以将所有的实验数据，计算模拟数据，整合起来，无论好坏，便能形成具有一定数量的数据库。

当我们进行PFM图谱分析时，山楂仅仅能表征a1/a2/a1/a2与c/a/c/a之间的转变，山楂而不能发现a1/a2/a1/a2内的反转，因此将上述降噪处理的数据、凸壳曲线以及k-均值聚类的方法结合在一起进行分析，发现了a1/a2/a1/a2内的结构的转变机制。【图文导读】图1 Au-Co-PdSn三相异质结构NPs具有三个互连的界面图2Au-Co-Pd3Sn和Ag-Cu-Co三相NPs结构的DFT模拟计算图3 Au-Co-PdSn三相NPs在热退火过程中的结构演变图4具有4和5个界面的四相异质结构NPs图5具有6个界面的四相异质结构NPs文献链接：头脑Interfaceandheterostructuredesigninpolyelementalnanoparticles（Science,2019,DOI：头脑10.1126/science.aav4302）本文由材料人编辑部学术组木文韬翻译，材料牛整理编辑。

团队使用适合的电子显微镜表征和热退火的基板，风暴使NPs达到热力学平衡。没有考虑核-壳结构，颗引因为它们没有经过实验观察。

结合密度泛函理论（DFT）计算，山楂能够识别PdSn合金与其他金属（Au，Ag，Cu，Co和Ni）之间的混溶隙，并构建一个多相NPs的结构和合成库。采用扫描探针嵌段共聚物光刻技术（SPBCL），头脑利用光刻技术合成了含有7种元素的NPs来研究多元素体系。