一主人吃东西的时候，煤电错把猫主子奶油的肉泥当成自己的炼乳还吃得很开心。

2018年，电力的主在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]。然而，煤电实验产生的数据量、种类、准确性和速度成阶梯式增长，使传统的分析方法变得困难。

3.1材料结构、电力的主相变及缺陷的分析2017年6月，电力的主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。最后，煤电将分类和回归模型组合成一个集成管道，应用其搜索了整个无机晶体结构数据库并预测出30多种新的潜在超导体。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，电力的主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。

煤电这就是最后的结果分析过程。当我们进行PFM图谱分析时，电力的主仅仅能表征a1/a2/a1/a2与c/a/c/a之间的转变，电力的主而不能发现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。

当然，煤电机器学习的学习过程并非如此简单。

另外7个模型为回归模型，电力的主预测绝缘体材料的带隙能（EBG），电力的主体积模量（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）。当我们进行PFM图谱分析时，煤电仅仅能表征a1/a2/a1/a2与c/a/c/a之间的转变，煤电而不能发现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。

当然，电力的主机器学习的学习过程并非如此简单。另外7个模型为回归模型，煤电预测绝缘体材料的带隙能（EBG），煤电体积模量（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）。

【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，电力的主所涉及领域也正在慢慢完善。煤电这一理念受到了广泛的关注。