【Nature、西高Science发文情况】本次调查报告以WebofScience为检索工具，在2014年到2018年，中国高校参与及合作研究共在Nature和Science上发表101篇材料类文章。

院科于11月图2-2 机器学习分类及算法3机器学习算法在材料设计中的应用使用计算模型和机器学习进行材料预测与设计这一理念最早是由加州大学伯克利分校的材料科学家GerbrandCeder教授提出。创板这一理念受到了广泛的关注。

发申利用机器学习解决问题的过程为定义问题-数据收集-建立模型-评估-结果分析。以上，日上便是本人对机器学习对材料领域的发展作用的理解，如果不足，请指正。最后，西高将分类和回归模型组合成一个集成管道，应用其搜索了整个无机晶体结构数据库并预测出30多种新的潜在超导体。

随机森林模型以及超导材料Tc散点图如图3-5、院科于11月3-6所示。首先，创板构建深度神经网络模型（图3-11），创板识别在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。

发申图3-8压电响应磁滞回线的凸壳结构示例（红色）。

日上这些都是限制材料发展与变革的重大因素。西高JournalCitationReports为全球各种类型的期刊都提供了系统且客观的评价体系和解析平台。

往期回顾：院科于11月楼市股市都涨了，院科于11月你投的文章影响因子涨了吗？博后工资很高？来看看我们的实时调研你就知道了（一）读博期间压力来自哪里，最糟心的是什么事，来看看他们怎么说？这项关于导电工程塑料的工艺技术实现低成本量产了——专访创新人了解详情本文由材料人专栏作者tt供稿，材料人编辑部Alisa编辑。2、创板中国在顶刊中出现的总数也是很可观的。

特别是AM，发申中国总量是第一，发申并且在接下来的机构统计中，排名前十有一半是中国的科研机构，具体是什么原因，大家可以在留言区提出自己的见解，与读者们一同分享。这些结果根据文章上作者的地址列表，日上总结了2015-2017三年来，区域和机构发表文章数量的总和。