因此，印度于出对铂族元素局部配位环境的调控具有重要的意义，可以为调节催化剂的电子结构和几何结构提供新的途径，从而提高催化活性和反应选择性。

根据机器学习训练集是否有对应的标识可以分为监督学习、首富手机无监督学习、半监督学习以及强化学习。并利用交叉验证的方法，安巴解释了分类模型的准确性，精确度为92±0.01%（图3-9）。

图3-5 随机森林算法流程图图3-6超导材料的Tc散点图3.2辅助材料测试的表征近年来，尼生由于原位探针的出现，尼生使研究人员研究铁电畴结构在外部刺激下的翻转机制成为可能。印度于出这些都是限制材料发展与变革的重大因素。首富手机图3-8压电响应磁滞回线的凸壳结构示例（红色）。

随后，安巴2011年夏天，奥巴马政府宣布了材料基因组计划(MaterialsGenomeInitiative,简称MGI)，该计划在材料科学中掀起了一场革命。Ceder教授指出，尼生可以借鉴遗传科学的方法，尼生就像DNA碱基对编码蛋白质等各种生物材料一样，用材料基因组编码各种化合物，而实现这一编码的工具便是计算机的数据挖掘及机器学习算法等。

发现极性无机材料有更大的带隙能（图3-3），印度于出所预测的热机械性能与实验和计算的数据基本吻合（图3-4）。

随后开发了回归模型来预测铜基、首富手机铁基和低温转变化合物等各种材料的Tc值，首富手机同样取得了较好结果，利用AFLOW在线存储库中的材料数据，他们进一步提高了这些模型的准确性。（i）在273K处对寄主36的二氧化碳吸附等温线(蓝色、安巴干湿吸附)。

尼生以Supramolecular‐Macrocycle‐BasedCrystallineOrganicMaterials发表于Adv.Mater.期刊上。印度于出（b）总结了30-二甲苯主客体−在溶液中和固态中的相互转化方案。

3、首富手机邻苯三酚基COMs图十五、首富手机邻苯三酚[4]芳烃的化学结构图十六、单晶X射线结构（a）甲醚空腔13a的粘接表示，封闭空间以绿色表示，氢键显示为破碎的黄色圆柱体。图二十、安巴单晶X射线结构（a）在19·3MeOH中发现的两层结构的棒状和空间填充表示，显示了杯芳烃氯丁基链的不同取向。