利用过渡金属二硫属元素化物覆盖石墨烯，华能2号并随后将过渡金属二硫属元素化物氧化成过渡金属氧化物，华能2号然后激活了源于过渡金属氧化物和石墨烯之间不同功函数的电荷转移。

经过计算并验证发现，硬梁引水在数据库中的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）。此外，包水目前材料表征技术手段越来越多，对应的图形数据以及维度也越来越复杂，依靠人力的实验分析有时往往无法挖掘出材料性能之间的深层联系。

电站（e）分层域结构的横截面的示意图。图3-7 单个像素处压电响应的磁滞回线：工程贯通原始数据（蓝色圆圈），传统拟合曲线（红线）和降噪处理后的曲线（黑线）。深度学习算法包括循环神经网络（RNN）、隧洞卷积神经网络（CNN）等[3]。

就是针对于某一特定问题，全线建立合适的数据库，全线将计算机和统计学等学科结合在一起，建立数学模型并不断的进行评估修正，最后获得能够准确预测的模型。（i）表示材料的能量吸收特性的悬臂共振品质因数图像在扫描透射电子显微镜（STEM）的数据分析中，华能2号由于数据的数量和维度的增大，华能2号使得手动非原位分析存在局限性。

2机器学习简介所谓的机器学习就是赋予计算机人类的获得知识或技能的能力，硬梁引水然后利用这些知识和技能解决我们所需要解决的问题的过程。

包水机器学习分类及对应部分算法如图2-2所示。采用光学斩波器在10、电站100、1000到1500赫兹的固定频率下调制激光的光通量。

方点：工程贯通实验数据，虚线：用公式（3）拟合，实线：模拟数据。然而，隧洞由于与3DTC制造相关的技术挑战，微尺度的四维（4D＝3D空间+1D时间）测温尚未实现。

全线(e）实验和（f）计算的三维温度图。华能2号©2023WILEY图5.微尺度上焦耳加热的4D时空轨迹。