博海（b）不同电流密度下的平均DMCFE值。

拾贝图4AuPt-x纳米球上的球形纳米粒子的数量随着种子中Pt/Au摩尔比的增加而变化a)0.025。如此精准的控制使得可以方便地生产各种形态的二级结构，给自包括核心-卫星结构、二聚体、三聚体和四聚体。

【图文导读】图1纳米粒子形貌(a)AuPt-0.1纳米粒子，己信和AuPt-0.1-Au纳米粒子(e)的TEM图像。每个种子上的岛数可以通过操纵三个关键参数来控制：博海配体辅助氧化熟化度和通过添加更多Pt来增加表面失配，博海以驱动具有更少岛的纳米结构的形成，同时限制聚合物配体对金属原子的表面扩散可以局部化氧化熟化从而促进更多岛的形成关键是通过一层薄薄的Pt创建晶格失配的种子表面，拾贝以在随后的Au沉积过程中诱导岛状生长。

给自 【小结】本文开发了一种种子介导的用于在球形Au种子上产生Au的二级结构的生长策略。己信(a-d)中的比例尺为20nm。

比例尺在(a、博海c、d和e)中为50nm，在(b)中为20nm，在(e)的插图中为2nm。

拾贝f）AuPt-0.1-Au二聚体的HADDF-STEM图像和EDS元素映射（（b）中的样品）;g)a-d中AuPt-0.1-Au二聚体的紫外-可见光谱。实验过程中，给自研究人员往往达不到自己的实验预期，而产生了很多不理想的数据。

这就是步骤二：己信数据收集跟据这些特征，我们的大脑自动建立识别性别的模型。博海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。

因此，拾贝2018年1月，美国加州大学伯克利分校的J.C.Agar[7]等人设计了机器学习工作流程，帮助我们理解和设计铁电材料。随后开发了回归模型来预测铜基、给自铁基和低温转变化合物等各种材料的Tc值，给自同样取得了较好结果，利用AFLOW在线存储库中的材料数据，他们进一步提高了这些模型的准确性。