11月2日，颗引酷开又将带来2015年秋季自己最新的旗舰新品。
首先，山楂构建带有属性标注的材料片段模型（PLMF）：将材料的晶体结构分解为相互关联的拓扑片段，表示结构的连通性。单晶多晶的电子衍射花样你都了解吗?本文由材料人专栏科技顾问溪蓓供稿，头脑材料人编辑部Alisa编辑。
图2-1 机器学习的学习过程流程图为了通俗的理解机器学习这一概念，风暴举个简单的例子：风暴当我们是小朋友的时候，对性别的概念并不是很清楚，这就属于步骤1：问题定义的过程。另外7个模型为回归模型，颗引预测绝缘体材料的带隙能（EBG），颗引体积模量（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）。近年来，山楂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。
我在材料人等你哟，头脑期待您的加入。然后，风暴采用梯度提升决策树算法，建立了8个预测模型（图3-1），其中之一为二分类模型，用于预测该材料是金属还是绝缘体。
发现极性无机材料有更大的带隙能（图3-3），颗引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）。
最后，山楂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。这两个特征表明，头脑在TPL处，单位长度的有效边缘能量比在液体中生长低得多。
在特定的部分覆盖范围内，风暴单层结构突然发生改变。连续的配置包括增加以ML(在顶部指示)为边界的六边形边的数量，颗引除了前两个。
山楂这个问题与纳米晶体的形成相关。【总结】最后，头脑作者讨论了高能电子束对生长过程的可能影响。
