（b，推出d）亚5nm超窄ZGNR（b）和AGNR（d）的三维AFM高度图像。
最后我们拥有了识别性别的能力，款电并能准确的判断对方性别。应裙机器学习分类及对应部分算法如图2-2所示。
1前言材料的革新对技术进步和产业发展具有非常重要的作用，推出但是传统开发新材料的过程，都采用的试错法，实验步骤繁琐，研发周期长，浪费资源。再者，款电随着计算机的发展，款电许多诸如第一性原理计算、相场模拟、有限元分析等手段随之出现，用以进行材料的结构以及性能方面的计算，但是往往计算量大，费用大。随后，应裙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。
深度学习算法包括循环神经网络（RNN）、推出卷积神经网络（CNN）等[3]。近年来，款电这种利用机器学习预测新材料的方法越来越受到研究者的青睐。
图3-7 单个像素处压电响应的磁滞回线：应裙原始数据（蓝色圆圈），传统拟合曲线（红线）和降噪处理后的曲线（黑线）。
我在材料人等你哟，推出期待您的加入。2015.5-2016.6在美国佐治亚理工学院做国家公派访问学者，款电2017.3-2017.9在美国明尼苏达大学双城校区做短期访问学者。
应裙图1（a）BLFO/ZnO异质结示意图。推出图6（a）ZnO纳米线阵列的压电势分布仿真结果。
款电（b）BLFO薄膜的表面SEM图像。应裙（d）不同测试条件下的光伏特性。