四、推出【数据概览】图1高熵材料（HEM）合成基本选择的合理设计。
此外，款电目前材料表征技术手段越来越多，对应的图形数据以及维度也越来越复杂，依靠人力的实验分析有时往往无法挖掘出材料性能之间的深层联系。深度学习算法包括循环神经网络（RNN）、应裙卷积神经网络（CNN）等[3]。
另外7个模型为回归模型，推出预测绝缘体材料的带隙能（EBG），推出体积模量（BVRH），剪切模量（GVRH），徳拜温度（θD），定压热容（CP），定容热容（Cv）以及热扩散系数（αv）。2机器学习简介所谓的机器学习就是赋予计算机人类的获得知识或技能的能力，款电然后利用这些知识和技能解决我们所需要解决的问题的过程。应裙（f,g）靠近表面显示切换过程的特写镜头。
为PLMF图中的顶点赋予各个原子独有的物理和化学性能（如原子在元素周期表中的位置、推出电负性、摩尔体积等），以此将不同的材料区分开。此外，款电作者利用高斯拟合定量化磁滞转变曲线的幅度，款电结合机器学习确定了峰/谷c/a/c/a - a1/a2/a1/a2域边界上的铁弹性增加的特征（图3-10），而这一特征是人为无法发掘的。
在数据库中，应裙根据材料的某些属性可以建立机器学习模型，便可快速对材料的性能进行预测，甚至是设计新材料，解决了周期长、成本高的问题。
【引语】干货专栏材料人现在已经推出了很多优质的专栏文章，推出所涉及领域也正在慢慢完善。款电2016年入选英国皇家化学会会士。
过去五年中，应裙郑南峰团队在Nature和Science上共发表了两篇文章。2014年获得北京大学王选青年学者奖，推出同年，应邀担任英国皇家化学会期刊CatalysisScienceTechnology副主编。
Nature和Science作为当今全球最具权威的学术期刊，款电在科学界的影响力不言而喻。获1996-2000年度香港求是杰出青年学者奖、应裙2005年国家自然科学二等奖（排名第三）、2012年获何梁何利科技进步奖和2015年周光召基金会基础科学奖。