四、联想【数据概览】图1高熵材料（HEM）合成基本选择的合理设计。

此外，背靠M摆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）、血统卷积神经网络（CNN）等[3]。

另外7个模型为回归模型，联想预测绝缘体材料的带隙能（EBG），联想体积模量（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，背靠M摆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。血统（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、联想电负性、摩尔体积等），以此将不同的材料区分开。此外，背靠M摆作者利用高斯拟合定量化磁滞转变曲线的幅度，背靠M摆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，血统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，联想所涉及领域也正在慢慢完善。背靠M摆2016年入选英国皇家化学会会士。

过去五年中，血统郑南峰团队在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，联想同年，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，背靠M摆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、血统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。