然而，济南鲜有研究报道空心Co基多金属尖晶石氧化物的定向合成以及金属阳离子配位环境对OER性能的调控。

b)随PSA迭代代数变化找到的局域极值变化曲线与对应的实验输入参数组合总结与展望在这项研究中，报业报业研究者克服了过往机器学习与材料研发结合的研究的缺点并提出了全面的标准机器学习辅助研究和开发过程。同时感谢李佳老师基于丰富的燃料电池领域经验，青年对机器学习建模计算结果进行科学解释分析部分做出的精彩指导。

心得与体会本工作的完成首先感谢导师刘建国教授对本人从事的机器学习与材料研发尤其是氢能领域交叉探索的大力支持，愿耀刘老师高瞻远瞩，愿耀提供许多硬件资源与学习机会的支持。荣铸青该模块可以广泛在不同的研究领域基于不同已知信息为不同应用场合提供个性化实验参考。担任PNSMI（SCI期刊），春强《电化学》杂志编委，出版2部专著。

作为执笔人完成了包括山东，梦想广东，江苏等多个省市氢能规划和战略研究报告。为此，济南特征筛选模块利用XGboost算法构建分类模型并对超参数优化后的模型进行特征排序(分类输出指标为最大功率密度，济南以美国能源部DOE设定的2020指标为参考进行正例/负例标注)。

最后感谢课题组中协助构建数据库的同学，报业报业与成熟的计算机视觉或自然语言处理不同，报业报业目前机器学习与自然科学的交叉领域，可用的数据集非常有限，因此数据集的获得很大程度上需要人工收集、清洗、标注。

同时以质子交换膜燃料电池膜电极为应用领域，青年构建了迄今为止该领域最大的基于实际实验的训练数据库，青年包含了过去17年间发表的295篇相关研究论文中的918条实验数据，每条实验数据囊括了从制备方法，理化性质到实验条件等66个实验参数以及其对应的性能数据。在30分钟的平衡内，愿耀Mo7O246-在酸性条件下与氧化铝反应生成在570、898和947cm-1处有拉曼峰的Al(OH6Mo6O183- ，如反应(1)所示。

当照明点和收集点之间的距离增加时，荣铸青就可以测量材料表面以下的部分，如红叉所示。随后，春强作者采用自制的拉曼扫描方法，获得了等分挤压材料的二维背散射拉曼图。

上述的DORS结果表明，梦想Al-Mo在2.5分钟的平衡过程中没有形成，只有在30分钟的平衡过程中才存在低浓度的Al-Mo，说明干燥的过程改变了Al-Mo的微观分布。拉曼光谱中在900和947cm-1处出现的ν(Mo=O)振动峰是典型的Al-Mo，济南而940cm-1处的拉曼峰则对应Mo7O246-。