欢迎大家到材料人宣传科技成果并对文献进行深入解读，京津冀投稿邮箱[email protected]。

其中，力建最关键的是开发高效、高活性、高稳定性的能源转化相关反应催化剂。C，设大数据试验D）AL-Pt/Pt3Ga在C）0.5MH2SO4溶液和D）0.5MH2SO4+1M甲醇溶液中与工业Pt/C和PtNCs的CV曲线。

文献链接：京津冀AtomicThicknessCatalysts:SynthesisandApplications（SmallMethods2020,2000248.）【作者简介】王定胜简介： 王定胜教授，1982年出生。6）ATCs在不同的能量转换有关的反应中仍有许多需要改进的地方，力建比如在FAOR、力建MOR和EOR过程中需要提高ATCs的活性和抗CO中毒能力、在ORR中需要更稳定经济的耐甲醇的ATCs、在HER和OER中仍需要更高活性的ATCs等等。2.2.4、设大数据试验电化学-辅助合成图六A）石墨烯上Pt-ML的HRTEM图。

C、京津冀D）eGDY的HRTEM和STEM图。力建2）湿化学合成ATCs过程中表面活性剂或封端剂去除时不应破坏ATCs结构。

设大数据试验C）不同电催化剂在0.1MHClO4+0.5M乙醇溶液中的MOR。

将Pt和PtRu合金纳米粒子包裹在几层h-BN壳层中形成核壳催化剂，京津冀可以有效缓解CO中毒问题，增强燃料电池的电催化反应。图3-7 单个像素处压电响应的磁滞回线：力建原始数据（蓝色圆圈），传统拟合曲线（红线）和降噪处理后的曲线（黑线）。

设大数据试验阴影区域表示用于创建凹度曲线的区域图3-9分类模型精确度图图3-10（a~d）由高斯拟合铁电体计算的凹面积图。京津冀图2-2 机器学习分类及算法3机器学习算法在材料设计中的应用使用计算模型和机器学习进行材料预测与设计这一理念最早是由加州大学伯克利分校的材料科学家GerbrandCeder教授提出。

那么在保证模型质量的前提下，力建建立一个精确的小数据分析模型是目前研究者应该关注的问题，力建目前已有部分研究人员建立了小数据模型[10,11]，但精度以及普适性仍需进一步优化验证。对错误的判断进行纠正，设大数据试验我们的大脑便记住这一特征，并将大脑的模型进行重建，这样就能更准确的有性别的区别。