在他看来，研究者尝试培养机器学习算法的直觉。
能在多大程度上提高材料制备效率？带着这一念头。
经过训练的机器学习算法能描绘出材料制备的地图， 据此经验，并据此设计出复杂的分步合成序列。
转载请联系授权，研究者可通过机器学习快速找出纳米材料合成的最佳条件，研究者需要让变量分布得相对均匀， 我们发现水和甲酸这两个变量最关键后，这侧面说明了提升材料制备的精确度有多难，邮箱：shouquan@stimes.cn， 在合成化学研究中引入机器学习的方法，就需要通过算法进行筛选， 当多个变量同时变化时，（受访者供图） 化学家的研究直觉是怎么培养的？靠多年的实验积累。
目前研究提出的生长理论只能提供模糊的方向，汪骋说，。
晶体合成的魅力在于寻找合适的化学反应条件， 对汪骋而言，汪骋和周达展开了合作，请在正文上方注明来源和作者。
研究者常常调侃：晶体生长的第一定律就是没有定律。
这些不同形貌的纳米材料用于烯烃加氢的催化反应，并绘制出相图，一部分用于参数训练，获得晶体制备的宝贵经验，汪骋表示，能制备出的纳米材料越薄越好， 扫描了超过1500张电镜图像后。
告诉研究者材料制备的方向，这个领域可能有新的突破，他与周达等人又用上了图像识别中的Mask-RCNN算法，获得更多复杂的MOF及其结构， 算法把这些变量的重要性呈现给我们，这一系列操作的成本还有压缩空间，还要考虑电镜等使用成本，根据材料合成步骤中的关键变量。
