作者还对PbI2其他晶型进行了标定，川省全发现六方结构的PbI2符合得非常好，这也和其他报道的文献符合。

而目前的研究论文也越来越多地集中在纳米材料的研究上，面实并使用球差TEM等超高分辨率的电镜来表征纳米级尺寸的材料，面实通过高分辨率的电镜辅以EDX,EELS等元素分析的插件来分析测试，以此获得清晰的图像和数据并做分析处理。现刷通过各项表征证实了蒽醌分子中酮基官能团与多硫化物通过强化学吸附作用形成路易斯酸是提升锂硫电池循环稳定性的关键。

近年来国际知名期刊上发表的锂电类文章要不就是能做出突破性的性能，脸办要不就是能把机理研究的十分透彻。Figure1.AnalysisofO-vacancydefectsonthereducedCo3O4nanosheets.(a)CoK-edgeXANESspectra,indicatingareducedelectronicstructureofreducedCo3O4.(b)PDFanalysisofpristineandreducedCo3O4nanosheets,suggestingalargevariationofinteratomicdistancesinthereducedCo3O4structure.(c)CoK-edgeEXAFSdataand(d)thecorrespondingk3-weightedFourier-transformeddataofpristineandreducedCo3O4nanosheets,demonstratingthatO-vacancieshaveledtoadefect-richstructureandloweredthelocalcoordinationnumbers.XRDXRD全称是X射线衍射，电服即通过对材料进行X射线衍射来分析其衍射图谱，电服以获得材料的结构和成分，是目前电池材料常用的结构组分表征手段。最近，川省全晏成林课题组（NanoLett.,2017,17,538-543）利用原位紫外-可见光光谱的反射模式检测锂硫电池充放电过程中多硫化物的形成，川省全根据图谱中不同位置的峰强度实时获得充放电过程中多硫化物种类及含量的变化，如图四所示。

近日，面实王海良课题组利用XANES等先进表征技术研究富含缺陷的单晶超薄四氧化三钴纳米片及其电化学性能（Adv.EnergyMater.2018,8,1701694）,如图一所示。Kim课题组在锂硫电池的正极研究中利用原位TEM等形貌和结构的表征，现刷深入的研究了材料的电化学性能与其形貌和结构的关系(Adv.EnergyMater.,2017,7,1602078.)，现刷如图三所示。

在锂硫电池的研究中，脸办利用原位TEM来观察材料的形貌和物相转变具有重要的实际意义。

UV-vis是简便且常用的对无机物和有机物的有效表征手段，电服常用于对液相反应中特定的产物及反应进程进行表征，如锂硫电池体系中多硫化物的测定。以上，川省全便是本人对机器学习对材料领域的发展作用的理解，如果不足，请指正。

面实（e）分层域结构的横截面的示意图。随机森林模型以及超导材料Tc散点图如图3-5、现刷3-6所示。

有很多小伙伴已经加入了我们，脸办但是还满足不了我们的需求，期待更多的优秀作者加入，有意向的可直接微信联系cailiaorenVIP。图3-11识别破坏晶格周期性的缺陷的深度卷积神经网络图3-12由深度卷积神经网络确定的无监督的缺陷分类图3-13不同缺陷态之间转移概率的分析4机器学习在材料领域的研究展望与其他领域，电服如金融、电服互联网用户分析、天气预测等相比，材料科学利用机器学习算法进行预测的缺点就是材料中的数据量相对较少。