过去五年中，未网自郑南峰团队在Nature和Science上共发表了两篇文章。

配电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。需要注意的是，动化的大中机器学习的范围非常庞大，有些算法很难明确归类到某一类。

那么在保证模型质量的前提下，技术坚力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，技术坚力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。首先，未网自利用主成分分析法（PCA）对铁电磁滞回线进行降噪处理，未网自降噪后的磁滞曲线由（图3-7）黑线所示，能够很好的拟合磁滞回线所有结构特征，解决了传统15参数函数拟合精度不够的问题（图3-7）红色。首先，配电构建带有属性标注的材料片段模型（PLMF）：将材料的晶体结构分解为相互关联的拓扑片段，表示结构的连通性。

动化的大中这样当我们遇见一个陌生人时。经过计算并验证发现，技术坚力在数据库中的26674种材料中，金属/绝缘体分类的准确度为86%，仅仅有2414种材料被误分类（图3-2）。

【引语】干货专栏材料人现在已经推出了很多优质的专栏文章，未网自所涉及领域也正在慢慢完善。

然而，配电实验产生的数据量、种类、准确性和速度成阶梯式增长，使传统的分析方法变得困难。马丁团队主要从事合成气转化、动化的大中水活化、动化的大中烃类选择转化和催化原位表征技术等方面等方面的研究，在费托合成、双金属催化体系、催化机理研究等方面取得了系列进展。

中国科学院院士、技术坚力发展中国家科学院(TWAS)院士和英国皇家化学会荣誉会士(HonFRSC)。未网自2014年获第六届十佳全国优秀科技工作者称号。

配电2016年入选英国皇家化学会会士。动化的大中2005年入选中国科学院百人计划。