而液态金属(LM)，国电工特别是共晶镓铟(EGaIn)，似乎是解决功能性和可拉伸性之间权衡的最有希望的候选者。
另外7个模型为回归模型，南瑞预测绝缘体材料的带隙能（EBG），南瑞体积模量（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）。需要注意的是，季度机器学习的范围非常庞大，有些算法很难明确归类到某一类。
图3-11识别破坏晶格周期性的缺陷的深度卷积神经网络图3-12由深度卷积神经网络确定的无监督的缺陷分类图3-13不同缺陷态之间转移概率的分析4机器学习在材料领域的研究展望与其他领域，得专如金融、得专互联网用户分析、天气预测等相比，材料科学利用机器学习算法进行预测的缺点就是材料中的数据量相对较少。近年来，利证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。一旦建立了该特征，国电工该工作流程就可以量化具有统计显着性和纳米级分辨率的效应。
南瑞标记表示凸多边形上的点。然而，季度实验产生的数据量、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。
虽然这些实验过程给我们提供了试错经验，得专但是失败的实验数据摆放在那里彷佛变得并无用处。
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，利证举个简单的例子：利证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。母猫在临近分娩时，国电工会变现出局促不安，并且寻找分娩的场所，建议主人多准备几个产房。
其实猫咪在怀孕期间，南瑞身体会发生一些变化，比如说会出现以下这几种症状。手忙脚乱的半抱半扶地领着猫咪去产窝，季度那是我妈提前给它做好的。
大快人心的事情是，得专家里的三花色母猫在猫崽子快三个月大的时候，得专开启了送猫活动，家附近的邻居收到后第二天带着盐巴来跟我妈磕唠，我妈也顺水推舟的手下盐巴并说了句:节省了送小猫的活儿。它居然一只一只，利证把五只小奶猫都叼去藏在一个角落里。
