2010年，智慧瓷砖胶市场厚积薄发，取得了长足的扩展，不仅在工装，而且吹响了大规模进入了百姓家庭装修的号角。
首先，官光利用主成分分析法（PCA）对铁电磁滞回线进行降噪处理，官光降噪后的磁滞曲线由（图3-7）黑线所示，能够很好的拟合磁滞回线所有结构特征，解决了传统15参数函数拟合精度不够的问题（图3-7）红色。伏储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。
此外，业信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。实验过程中，智慧研究人员往往达不到自己的实验预期，而产生了很多不理想的数据。官光（e）分层域结构的横截面的示意图。
当我们进行PFM图谱分析时，伏储仅仅能表征a1/a2/a1/a2与c/a/c/a之间的转变，伏储而不能发现a1/a2/a1/a2内的反转，因此将上述降噪处理的数据、凸壳曲线以及k-均值聚类的方法结合在一起进行分析，发现了a1/a2/a1/a2内的结构的转变机制。当然，业信机器学习的学习过程并非如此简单。
图3-5 随机森林算法流程图图3-6超导材料的Tc散点图3.2辅助材料测试的表征近年来，智慧由于原位探针的出现，智慧使研究人员研究铁电畴结构在外部刺激下的翻转机制成为可能。
近年来，官光这种利用机器学习预测新材料的方法越来越受到研究者的青睐。b.RuCo1上HER三个基本过程的自由能图，伏储包括反应物初始态，伏储中间态，最终态和附加过渡态的原子布局（TSv，TSh和TSt分别代表Volmer，Heyrovsky和Tafel步骤的过渡态）。
c在1MKOH中的Ru/C，业信Pt/C，RuCo和Co取代Ru的Tafel图。智慧f.单个Co取代RuNSs的EDX线扫描图和EDX元素分布图。
更重要的是，官光Co取代RuNSs在碱性中对HER表现出优异的催化性能，这比商业Pt/C催化剂和其它无Pt催化剂的活性好得多。图3 Ru/C，伏储Pt/C，RuCo合金和Co取代Ru的催化性能比较a.扫描速率为5mVs-1的LSV曲线。