进一步的实验测试和理论分析表明，燃料高缺电性受体之间的空间位阻效应促使双受体基元具备高度扭曲的构象，燃料从而赋予2A体系ACQ到AIE效应的转变和AIE性能的提升（图3）。

随后，电池2011年夏天，奥巴马政府宣布了材料基因组计划(MaterialsGenomeInitiative,简称MGI)，该计划在材料科学中掀起了一场革命。因此，物流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。

展现状及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。运营这就是最后的结果分析过程。实验过程中，模式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。

就是针对于某一特定问题，分析建立合适的数据库，分析将计算机和统计学等学科结合在一起，建立数学模型并不断的进行评估修正，最后获得能够准确预测的模型。虽然这些实验过程给我们提供了试错经验，燃料但是失败的实验数据摆放在那里彷佛变得并无用处。

基于此，电池本文对机器学习进行简单的介绍，电池并对机器学习在材料领域的应用的研究进展进行详尽的论述，根据前人的观点，总结机器学习在材料设计领域的新的发展趋势，以期待更多的研究者在这个方向加以更多的关注。

2机器学习简介所谓的机器学习就是赋予计算机人类的获得知识或技能的能力，物流然后利用这些知识和技能解决我们所需要解决的问题的过程。展现状及DOI:10.1039/d3tc02622a图1-1.石墨泡沫（GF）三维网络的构筑机制。

运营3.添加VC制备所得的还原氧化石墨烯具有更高的电磁屏蔽效能与压缩性能。模式图3-1GO-xVC氧化石墨烯膜的结构表征。

还利用VC的还原性与其还原产物性的自粘结性，分析制备了超厚的石墨烯导热膜。rGO-xVC-y的的SET（d），燃料平均屏蔽效能（e）;rGO-200和rGO-1VC-200的压缩性能（f）;rGO-1VC-200在S，C，X，Ku波段的屏蔽效能。