如图2所示，德国该材料的温度依赖的PL光谱可以更加深入研究MACuBrI中的发光行为。
将绿阴影区域表示用于创建凹度曲线的区域图3-9分类模型精确度图图3-10（a~d）由高斯拟合铁电体计算的凹面积图。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，氢规如金融、氢规互联网用户分析、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。
3.1材料结构、模提相变及缺陷的分析2017年6月，模提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。作者进一步扩展了其框架，德国以提取硫空位的扩散参数，德国并分析了与由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3-7 单个像素处压电响应的磁滞回线：将绿原始数据（蓝色圆圈），传统拟合曲线（红线）和降噪处理后的曲线（黑线）。
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，氢规来研究超导体的临界温度。虽然这些实验过程给我们提供了试错经验，模提但是失败的实验数据摆放在那里彷佛变得并无用处。
德国机器学习分类及对应部分算法如图2-2所示。
另外7个模型为回归模型，将绿预测绝缘体材料的带隙能（EBG），将绿体积模量（BVRH），剪切模量（GVRH），徳拜温度（θD），定压热容（CP），定容热容（Cv）以及热扩散系数（αv）。对此当时我国林业局有关负责人表示大熊猫仍是濒危物种，氢规将大熊猫保护等级降低还为时过早。
宋大昭认为，模提一般来说伞护物种会是处于食物链顶端的动物，模提要对其进行保护，就势必要保护栖息地和完整食物链，大熊猫其实是一种非典型的伞护物种，因为它不吃肉，只吃竹子。为了保护国珍稀动物，德国维护生物多样性，促进人与自然和谐共生，中国政府决定自2020年起，全面禁止猎捕、交易、食用野生大熊猫及其制品。
2018年10月，将绿大熊猫国家公园管理局在成都正式挂牌成立。北京亚运会吉祥物（左）、氢规福娃晶晶（中）、氢规世界自然基金会会徽（右）甚至央视网还打造了7*24小时全时段直播的熊猫频道（ipanda），其中呈现野化放归、繁育交配、熊猫宝宝亮相等直播节目，取得了巨大的成功和影响力。