那个角落，浙江不仅小猫爬不出来，人是没法进去的，只有它才能跳的进去。
但是，月全4亿元这一交叉领域的研究仍处于起步阶段，缺乏标准的研究范式将不利于未来的发展。入选国家级高层次人才，电力科技部中青年科技创新领军人才，国家自然科学科学二等奖获得者。
b)与c)不同频繁项集(输入特征与的高性能同时出现)的提升值与频率随着分类标准(输出判定为高性能正例)变化的示意图在模块一筛选出核心特征后，市场损益可通过决策建模为研发人员直接提供如何获得目标高性能基于大数据的决策建议。同时，清算因为在模块三中获得的代替实验的AI预测模型可以处理多达27个输入变量，因此模块四可以根据需要灵活地调整参数和优化参数空间。本文第一作者为南京大学现代工程与应用科学学院博士生丁睿，合计通讯作者为李佳副研究员与刘建国教授，合计南京大学为唯一通讯单位，机器学习计算任务受南京大学人工微结构科学与技术协同创新中心高性能计算中心支持。
除此之外进一步将训练模型的输出变为整条极化曲线，亏损并再次使用32种机器学习算法进行多维回归训练与网格超参优化，亏损如图5所示，ANN再次取得最佳表现，其预测的极化曲线能够很好地复现测试集中的真实实验数值。假设研究人员已经通过表征获得了部分信息，浙江优化算法在短短的40秒内，膜电极的最大功率与对应工艺的个性化参数建议值就可被计算出来(图6b)。
因此，月全4亿元停留在传统的试错(trail-and-error)范式使得MEA的性能优化成本高昂且低效，该领域迫切需要引入一种革命性的新范式提升效率。
例如，电力决策树在没有人工干涉的情况，电力基于大数据训练提出了239.95mAmg-1 与436.5mAmg-1的质量活性决策边界，分别与常见市售的商业碳载铂氧还原催化剂和DOE指定的性能指标不谋而合。图5 在Ar饱和0.1MHClO4中的循环伏安谱图在Ar饱和的0.1MHClO4中，市场损益扫描速率为50mVs-1的循环伏安：（a）IrCuNiDCNCs/C。
清算（d）IrCuNiDCNC的元素线扫描图。欢迎大家到材料人宣传科技成果并对文献进行深入解读，合计投稿邮箱[email protected]。
在1.53V下，亏损催化剂的贵金属质量比活性为6.6AmgIr-1，是原始Ir的19倍。浙江（e）在O2饱和的0.1MHClO4中测得的ECSA归一化极化曲线。