爸妈办就被三花色小母猫的喵叫声打断。
自己基本的假设是不同的GB取向存在多个稳定和亚稳态。为了验证晶界处是否发生了相变，线城研究人员进一步用计算机模拟了晶界原子（进化算法），模拟的晶界与实验观察到的晶界具有相同的几何形状。
套要强度的提升一方面是因超细组织能够阻碍晶粒间的位错滑移。总之，估计TBs对易流动位错的阻碍和共格连续的丧失显著地促进了强度和塑性的提高。金属相变中存在的变体有一定的数目，弟弟但晶界结构及其可能的亚稳态变体的种类基本上是无限的。
该文一经发表就引起了科学界的热议，问咋在美国2015年材料学会秋季会议上，与会专家专门设置了研讨梯度纳米结构材料的分会。为了全面提高材料的力学性能，爸妈办科学家陆续发展了纳米孪晶，晶内诱导孪晶，梯度结构及梯度晶粒中嵌入孪晶等微观组织。
另外，自己位错在孪晶界处还可以分解为不全位错，且可能沿着孪晶滑移，从而避免了过多的应力集中，有助于材料的塑性。
线城（B）成分为Fe-0.2C-8Mn-0.2Mo-0.05Nb（%）中锰钢的力学性能：Micro-alloyedART表示两相区退火处理的微合金化样品。套要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。
参考文献[1]K.T.Butler,D.W.Davies,H.Cartwright,O.Isayev,A.Walsh,Nature,559(2018)547.[2]D.-H.Kim,T.J.Kim,X.Wang,M.Kim,Y.-J.Quan,J.W.Oh,S.-H.Min,H.Kim,B.Bhandari,I.Yang,InternationalJournalofPrecisionEngineeringandManufacturing-GreenTechnology,5(2018)555-568.[3]周子扬,电子世界,(2017)72-73.[4]O.Isayev,C.Oses,C.Toher,E.Gossett,S.Curtarolo,A.Tropsha,Naturecommunications,8(2017)15679.[5]V.Stanev,C.Oses,A.G.Kusne,E.Rodriguez,J.Paglione,S.Curtarolo,I.Takeuchi,npjComputationalMaterials,4(2018)29.[6]A.Rovinelli,M.D.Sangid,H.Proudhon,W.Ludwig,npjComputationalMaterials,4(2018)35.[7]J.C.Agar,Y.Cao,B.Naul,S.Pandya,S.vanderWalt,A.I.Luo,J.T.Maher,N.Balke,S.Jesse,S.V.Kalinin,AdvancedMaterials,30(2018)1800701.[8]R.K.Vasudevan,N.Laanait,E.M.Ferragut,K.Wang,D.B.Geohegan,K.Xiao,M.Ziatdinov,S.Jesse,O.Dyck,S.V.Kalinin,npjComputationalMaterials,4(2018)30.[9]A.Maksov,O.Dyck,K.Wang,K.Xiao,D.B.Geohegan,B.G.Sumpter,R.K.Vasudevan,S.Jesse,S.V.Kalinin,M.Ziatdinov,npjComputationalMaterials,5(2019)12.[10]Y.Zhang,C.Ling,NpjComputationalMaterials,4(2018)25.[11]H.Trivedi,V.V.Shvartsman,M.S.Medeiros,R.C.Pullar,D.C.Lupascu,npjComputationalMaterials,4(2018)28.往期回顾：估计认识这些带你轻松上王者——电催化产氧（OER）测试手段解析新能源材料领域常见的碳包覆法——应用及特点单晶培养秘诀——知己知彼，估计对症下方，方能功成。随后开发了回归模型来预测铜基、弟弟铁基和低温转变化合物等各种材料的Tc值，弟弟同样取得了较好结果，利用AFLOW在线存储库中的材料数据，他们进一步提高了这些模型的准确性。
此外，问咋目前材料表征技术手段越来越多，对应的图形数据以及维度也越来越复杂，依靠人力的实验分析有时往往无法挖掘出材料性能之间的深层联系。目前，爸妈办机器学习在材料科学中已经得到了一些进展，如进行材料结构、相变及缺陷的分析[4-6]、辅助材料测试的表征[7-9]等。