但是，济南至少，期刊订阅正在改变……材料人专栏作者雨桐撰写，材料人编辑整理。

开元（d）平面NiFe@MoS2的HAADF-STEM图像。隧道（c）平面NiFe@MoS2和层间限域NiFe@MoS2的16小时计时电位测试; （d）层间限域NiFe@MoS2的在高电流密度（150 mA/cm2）下的100小时j-t测试。

因此，南洞在二维层状材料的范德华间隙中插入双原子物种作为客体材料，南洞将有望在保持双原子物种优异特性的基础上进一步优化中间体的吸附强度，大大加快催化动力学。展露图3. （a）二硫化钼薄膜的HAADF-STEM图像。新颜（c）平面NiFe@MoS2和层间限域NiFe@MoS2的j-t测试。

济南（e）单层MoS2和平面NiFe@MoS2的ESR谱图。开元（c）用LMBE方法在单层二硫化钼薄膜上锚定Ni和Fe双单原子的示意图。

另一方面，隧道双单原子催化剂作为单原子催化剂的延伸，隧道在协同驱动更复杂的多步催化反应方面具有明显优势，已经成为电催化、光催化及能源存储等领域的研究热点。

（b）层间限域NiFe@MoS2、南洞平面NiFe@MoS2和层间限域Sv@MoS2的全解水极化曲线。3.1材料结构、展露相变及缺陷的分析2017年6月，展露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。

图3-1机器学习流程图图3-2 数据集分类图图3-3                       图3-3 带隙能与电离势关系图图3-4 模型预测数据与计算数据的对比曲线2018年Zong[5]等人采用随机森林算法以及回归模型，新颜来研究超导体的临界温度。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，济南材料人编辑部Alisa编辑。

基于此，开元本文对机器学习进行简单的介绍，开元并对机器学习在材料领域的应用的研究进展进行详尽的论述，根据前人的观点，总结机器学习在材料设计领域的新的发展趋势，以期待更多的研究者在这个方向加以更多的关注。欢迎大家到材料人宣传科技成果并对文献进行深入解读，隧道投稿邮箱:[email protected].投稿以及内容合作可加编辑微信：cailiaorenVIP.。