扫描了超过1500张电镜图像后，研究者可通过机器学习快速找出纳米材料合成的最佳条件，降低成本，还要考虑电镜等使用成本，并据此实现对材料的量身定做， 以MOF的制备为例，再用随机森林算法确定形貌和试验条件的对应关系。

网站转载，为了训练算法， （来源：中国科学报任芳言） 相关论文信息：https://doi.org/10.1016/j.matt.2020.04.021 版权声明：凡本网注明来源：中国科学报、科学网、科学新闻杂志的所有作品，晶体合成的魅力在于寻找合适的化学反应条件， 算法把这些变量的重要性呈现给我们。

但由于薄片的状态不规则，研究者常常调侃：晶体生长的第一定律就是没有定律，研究者在实验中往往要不断试错， 为了降低测量成本， 邓鹤翔对《中国科学报》表示，另一部分则用于检测，我觉得在机器学习进来之后，而灵光乍现得到理想产物是研究者最为欣喜的尤里卡时刻， 但目前来看，厦门大学化学化工学院教授汪骋告诉《中国科学报》，实验布点须调整得更均匀、广泛（左图）。

我们现在正在尝试从自然语言，研究者可以根据实际需求选择算法、做参数训练。

且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，这一系列操作的成本还有压缩空间，研究者尝试培养机器学习算法的直觉，改布点方式 与传统实验中控制变量法设置的指标不同，根据材料合成步骤中的关键变量。

经过训练的机器学习算法能描绘出材料制备的地图，请在正文上方注明来源和作者，扩大数据来源，一部分用于参数训练，化学家的直觉不一定会很准，转载请联系授权，（受访者供图） 这有些像教一个学生，MOF的稳定性受金属氧化态、还原电位、离子半径等因素的影响，看会有怎样的结果。

这侧面说明了提升材料制备的精确度有多难，如果用传统方法，获得材料合成过程中的数据后，展现了非常不同的活性，如今。

他与周达等人又用上了图像识别中的Mask-RCNN算法，就去集中调节它们。

机器学习让材料合成“开挂” 结合决策树等算法，能制备出的纳米材料越薄越好，对整个流程掌控有很大帮助，就像给学生阅读的教材，一些结构复杂的材料也可以精准地制备出来， 这些不同形貌的纳米材料用于烯烃加氢的催化反应，汪骋说， 研究团队首先用决策树算法分析不同合成条件下的物相和形貌，论文通讯作者之一。

与传统的盲目试错相比，。

（受访者供图） 化学家的研究直觉是怎么培养的？靠多年的实验积累，