【成果简介】近日，供需北京化工大学尹梅贞课题组报道了一种绿光诱导偶氮苯衍生物固液态转变的新型材料，开发出一种高度可逆的光控粘合剂。

再者，失调随着计算机的发展，失调许多诸如第一性原理计算、相场模拟、有限元分析等手段随之出现，用以进行材料的结构以及性能方面的计算，但是往往计算量大，费用大。然后，问题使用高斯混合模型对检测到的缺陷结构进行无监督分类（图3-12），并显示分类结果可以与特定的物理结构相关联。

突出（h）a1/a2/a1/a2频段压电响应磁滞回线。最后，供需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。文章详细介绍了机器学习在指导化学合成、失调辅助多维材料表征、失调获取新材料设计方法等方面的重要作用，并表示新一代的计算机科学，会对材料科学产生变革性的作用。

作者进一步扩展了其框架，问题以提取硫空位的扩散参数，问题并分析了与由Mo掺杂剂和硫空位组成的不同配置的缺陷配合物之间切换相关的转换概率，从而深入了解点缺陷动力学和反应（图3-13）。2018年，突出在nature正刊上发表了一篇题为机器学习在分子以及材料科学中的应用的综述性文章[1]。

供需图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。

利用k-均值聚类算法，失调根据凹陷中心与红线的距离，对磁滞回线的转变过程进行分类。然而法国表现不佳，问题跌出前10。

1、突出发文数量从MOFs全球出版年份发文数据中我们可以看到，MOFs领域的科研热度并未放缓，仍然是愈加高涨，尤其是2018发文数量突破10000篇。德州AM大学的周宏才教授高被引论文达57篇，供需位列第二。

失调接下来我们从高被引论文数量来分析一下哪些国家做出的贡献更大些。值得注意的是中国科学技术大学虽然发文量排名未进入世界前20，问题但是高被引论文数量却进入了TOP20之列。