想象一下，英威即使45亿无法上网的人中只取5%，那也有2.5亿人

Ceder教授指出，腾继可以借鉴遗传科学的方法，腾继就像DNA碱基对编码蛋白质等各种生物材料一样，用材料基因组编码各种化合物，而实现这一编码的工具便是计算机的数据挖掘及机器学习算法等。欢迎大家到材料人宣传科技成果并对文献进行深入解读，智能制造投稿邮箱:[email protected].投稿以及内容合作可加编辑微信：cailiaorenVIP.。

随后，大阔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。步迈（e）分层域结构的横截面的示意图。英威（f,g）靠近表面显示切换过程的特写镜头。

2018年，腾继在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]。智能制造利用机器学习解决问题的过程为定义问题-数据收集-建立模型-评估-结果分析。

实验过程中，大阔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。

需要注意的是，步迈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。并利用交叉验证的方法，英威解释了分类模型的准确性，精确度为92±0.01%（图3-9）。

根据Tc是高于还是低于10K，腾继将材料分为两类，构建非参数随机森林分类模型预测超导体的类别。当然，智能制造机器学习的学习过程并非如此简单。

这就是步骤二：大阔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。步迈图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。