中住下2016年入选英国皇家化学会会士。

其次，国止大多都是在第一性原理等理论计算方法的指导下进行的实验。就此，部手普林斯顿大学DavidW.C.MacMillan教授的课题组证明了可见光激发的光氧化还原催化剂可以在催化循环中调节镍醇氧化合物的优先氧化态，部手从而为易参与还原消除的Ni(III)提供短暂的通道。

近年来，机便镍催化剂已经被证明参与了各种各样的碳-碳键形成反应，其中最著名的包括Negishi,Suzuki–Miyaura, Stille,Kumada和Hiyama偶联反应。但是目前的一维材料合成方法往往是非常复杂而昂贵的，宜元这在很大程度上阻碍了一维材料在许多领域的应用和发展。基于此计算结果，中住下他们以氢氟酸为形貌控制剂，中住下制备了均一的具有极高的{001}晶面含量的二氧化钛单晶体，最后通过简单的热处理方法去除了氟化的表面。

论文DOI：国止doi:10.1038/nature06964图3：国止二氧化钛{101}和{001}晶面的计算模型及表面能计算结果[3]图4：锐钛矿单晶的尺寸和截短度的SEM图和统计数据[3]氧化铝一维纳米材料，作为一种在一定方向具有取向特性的材料，是目前人们认为的最理想的电子传输材料，可被作为电子及光激子有效传输的最小维度的材料，其目前主要应用场景有场效应晶体管、共振隧道二极管等纳米电子器件。部手相关研究成果以AnataseTiO2singlecrystalswithalargepercentage ofreactivefacets为题发表在Nature上[3]。

但是，机便由于将二氧化碳转变为中间过渡态的过程中所需的过电位往往偏高，该转变方法的实用性和经济性目前正面临着严峻的挑战。

他们发现四原子厚的薄层钴表面在低过电位下表现出比块体钴表面更优异的催化活性与选择性，宜元且通过对薄层钴进行部分氧化后，宜元其表面的催化活性和选择性进一步得到了提升，实现了在过电位仅有0.24V的条件下可以保持电流密度大致为10mA/cm2长达40小时，且对甲酸的选择率可高达90%。随机森林模型以及超导材料Tc散点图如图3-5、中住下3-6所示。

我在材料人等你哟，国止期待您的加入。深度学习是机器学习中神经网络算法的扩展，部手它是机器学习的第二个阶段--深层学习，深度学习中的多层感知机可以弥补浅层学习的不足。

此外，机便随着机器学习的不断发展，深度学习的概念也时常出现在我们身边。经过计算并验证发现，宜元在数据库中的26674种材料中，金属/绝缘体分类的准确度为86%，仅仅有2414种材料被误分类（图3-2）。