3.1材料结构、日本相变及缺陷的分析2017年6月，日本Isayev[4]等人将AFLOW库和结构-性能描述符联系起来建立数据库，利用机器学习算法对成千上万种无机材料进行预测。
第一性原理计算表明，女社Schottky效应可以显著促进质子在MoB表面的吸附和活化，有利于表面氢气的生成。研究人员利用不同的背栅电压诱导实现了电解液-VSe2纳米片界面的离子分布调控，纪录提高了电荷运输效率，纪录从而在根本上促进了HER的放电过程这一限速反应。
日本文献链接：IntricateHollowStructures:ControlledSynthesisandApplicationsinEnergyStorageandConversion(Adv.Mater.,2017,DOI:10.1002/adma.201602914)24.综述：用于锂硫电池的纳米金属氧化物和硫化物麦立强教授和清华大学张强副教授（共同通讯作者）课题组在国际顶尖期刊AdvancedMaterials上联合发表了题为NanostructuredMetalOxidesandSulfidesforLithium–SulfurBatteries的综述文章。女社原文链接：Field-effecttunedadsorption-dynamicsofVSe2nanosheetforenhancedhydrogenevolutionreaction(NanoLett.,2017,DOI: 10.1021/acs.nanolett.7b00855)22.金属有机骨架基碳纳米管的定向形成麦立强（通讯作者）和厦门大学朱梓忠（通讯作者）在JACS上发表了题为OrientedFormationofCarbonNanotubesfromMetal-OrganicFrameworks的文章。博士研究生张慧敏、纪录廖小彬为该工作的共同第一作者。
而多孔一维纳米材料（porousone-dimensionalnanomaterials）结合了一维纳米结构和多孔构造的优势，日本极大地促进电化学储能领域的发展。文献链接：女社GeneralOrientedFormationofCarbonNanotubesfromMetal-OrganicFrameworks(JACS，女社2017, DOI:10.1021/jacs.7b01942）23.综述：复杂中空结构的可控合成及其在能源存储与转换中的应用复杂的中空结构（intricatehollowstructures）由于其独特的结构特征，迷人的理化性质和广泛的应用领域极大地吸引了科研工作者的兴趣。
在热解过程中，纪录产生的还原气体首先将金属离子/簇转变成金属纳米催化剂。
研究人员选择硅酸钙（CaSiO3）为原料，日本低熔点的三元熔盐（氯化钙-氯化镁-氯化钠CaCl2-MgCl2-NaCl）为电解质，日本氧化钙（CaO）为辅助电解质，在相对较低的温度下（650℃）下，利用电化学还原法成功制备了硅纳米线（SiNWs）。随后开发了回归模型来预测铜基、女社铁基和低温转变化合物等各种材料的Tc值，女社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。
本文对机器学习和深度学习的算法不做过多介绍，纪录详细内容课参照机器学习相关书籍进行了解。实验过程中，日本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。
为PLMF图中的顶点赋予各个原子独有的物理和化学性能（如原子在元素周期表中的位置、女社电负性、摩尔体积等），以此将不同的材料区分开。纪录图3-8压电响应磁滞回线的凸壳结构示例（红色）。