它激发了对先进材料的广泛研究，强化以满足二次电池高能量密度日益增长的需求。

 主要从事能源高效转化相关的表面科学和催化化学基础研究，燃料以及新型催化过程和新催化剂研制和开发工作。中国科学院院士、电池发展中国家科学院(TWAS)院士和英国皇家化学会荣誉会士(HonFRSC)。

而是确有其事，康明上海科技大学与海外学者合作较多，所以挂名了6篇NS并不为奇。16岁上大学，斯完28岁成为中科院金属研究所研究员，斯完36岁被任命为中科院金属研究所所长，38岁当选中国最年轻的中科院院士，41岁成为美国《科学》杂志创刊以来第一位担任评审编辑的中国科学家。Nature和Science作为当今全球最具权威的学术期刊，成收在科学界的影响力不言而喻。

现在就让小编来盘点一下过去五年内材料领域国内常发Nature、购水Science的团队，一睹大师们的风采。尽管总数量令人可喜，强化但是其中独立研究的工作却仅有6篇，这说明我们国家的独立科研水平能力还有待提高。

欢迎大家到材料人宣传科技成果并对文献进行深入解读，燃料投稿邮箱[email protected]。

担任国际催化协会委员，电池任中国化学会第28届和第29届理事会副理事长，2012年起任中国化学会催化专业委员会主任。深度学习是机器学习中神经网络算法的扩展，康明它是机器学习的第二个阶段--深层学习，深度学习中的多层感知机可以弥补浅层学习的不足。

随后开发了回归模型来预测铜基、斯完铁基和低温转变化合物等各种材料的Tc值，斯完同样取得了较好结果，利用AFLOW在线存储库中的材料数据，他们进一步提高了这些模型的准确性。首先，成收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。

Ceder教授指出，购水可以借鉴遗传科学的方法，购水就像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。然后，强化采用梯度提升决策树算法，建立了8个预测模型（图3-1），其中之一为二分类模型，用于预测该材料是金属还是绝缘体。