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，黄飞鸿和后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.)，黄飞鸿和后如图三所示。
深度学习是机器学习中神经网络算法的扩展，叶问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。首先，黄飞鸿和后构建深度神经网络模型（图3-11），黄飞鸿和后识别在STEM数据中出现的破坏晶格周期性的缺陷，利用模型的泛化能力在其余的实验中找到各种类型的原子缺陷。
单晶多晶的电子衍射花样你都了解吗?本文由材料人专栏科技顾问溪蓓供稿，叶问材料人编辑部Alisa编辑。2018年，黄飞鸿和后在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]。作者进一步扩展了其框架，叶问以提取硫空位的扩散参数，叶问并分析了与由Mo掺杂剂和硫空位组成的不同配置的缺陷配合物之间切换相关的转换概率，从而深入了解点缺陷动力学和反应（图3-13）。
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，黄飞鸿和后如金融、黄飞鸿和后互联网用户分析、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。图3-1机器学习流程图图3-2 数据集分类图图3-3 图3-3 带隙能与电离势关系图图3-4 模型预测数据与计算数据的对比曲线2018年Zong[5]等人采用随机森林算法以及回归模型，叶问来研究超导体的临界温度。
首先，黄飞鸿和后利用主成分分析法（PCA）对铁电磁滞回线进行降噪处理，黄飞鸿和后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。
当然，叶问机器学习的学习过程并非如此简单。依靠现代化生产基地、黄飞鸿和后全自动生产设备、黄飞鸿和后成熟精湛生产工艺，以及创新技术人才等综合实力，领航者家居竭力为玄关、餐厅、客厅、阳台、卧室、儿童房、多功能房及厨房这八大空间提供系统定制方案。
领航者家居负责人表示：叶问领航者代表着中国自主品牌的先锋力量，叶问历经多年的积累沉淀，始终怀着与体育精神不谋而合的信念与理想，希望成长为蜚声国际的中国民族品牌!与蹦床世界冠军张阔的携手，领航者家居希望以民族品牌致敬体育精神，甚至能引领更多的人、更多的企业参与进来，凝聚中国力量，弘扬体育精神。两天后，黄飞鸿和后在世界蹦床锦标赛男子单跳决赛中，黄飞鸿和后张阔以近乎完美的表现，勇夺冠军!此次，领航者家居与蹦床世界冠军张阔的合作，是领航者家居品牌发展不断壮大和市场影响力飞速提高的必然结果，也是世界冠军和实力品牌相互成就、相互赋能的双向选择
从上周开始，叶问材料人APP内《关于计算化学你需要了解的》课程开始更新，叶问最新更新的是计算化学可以解决什么问题视频讲解及实例讲解环节请进入材料人APP内搜索你需要了解的计算化学入门知识随着国内消费升级，黄飞鸿和后同时智能盒子市场的规范化，黄飞鸿和后国内智能盒子的品质也在走向高端化、精品化，中高端的智能盒子市场份额不断提升，主攻中高端市场的当贝是TOP4品牌中唯一实现环比增长的厂商，销量环比增长22%。