智能电网与智能城市成趋势 台企切入领域引关注

3.ACS Catalysis：智能注聚合物的表面亲疏水效应在铜表面的催化制乙烯性能影响的探究山东大学胡新明教授及合作者在此工作中，智能注通过在电催化剂表面涂覆不同聚合物，系统研究了电催化剂表面亲疏水性对CO2RR产乙烯的影响。

他目前的研究兴趣是温和条件下的三相氧化还原催化反应，电网其中还原反应包括硝基苯的氢化和生物质衍生的平台化学品的氢解或加氢脱氧反应，电网而氧化反应的重点则是极具挑战性的碳氢化合物的C-H键活化。2015年底加入马克斯-普朗克化学能源转换研究所，智引关担任多相催化课题组组长。

市成3)CeO2基催化剂的光催化有机转化反应机理有待进一步研究。此后在德国化学工业界工作了三年，趋势切入主要负责开发氢甲酰化反应下游衍生物的合成新工艺。二氧化铈基催化剂具有可逆的Ce3+/Ce4+氧化还原对、台企可调控的氧空位和表面酸碱性质等优点，在催化有机合成领域得到了广泛的研究。

图7（a）不同二氧化铈纳米晶的能带结构，领域(b）不同晶面原子排列的平板模型。虽然目前已报道了多种具有热催化和光催化活性的CeO2纳米晶及其负载型催化剂，智能注但这些报道中关于形貌影响活性的一些结论甚至相互矛盾，智能注因此需要更深入、更系统的进一步研究。

1)精确设计和合成具有可控氧空位和Lewis酸碱对的CeO2基催化剂，电网以及调控CeO2表面活性金属物种的尺寸和分布仍然是一个巨大的挑战。

2002年入选北京市科技新星计划，智引关2005年入选教育部新世纪优秀人才支持计划，智引关2012年被聘为教育部长江学者奖励计划特聘教授，2013年入选国家百千万人才工程并被授予有突出贡献中青年专家荣誉称号，2015年全国冶金教育系统年度杰出人物奖。2.多种提高模型准确性的方法：市成数据集拆分、交叉验证、重复试验。

本文首先介绍了机器学习的通常流程，趋势切入从确定需要解决的问题开始，然后获取数据，对数据进行特征化，最后建立机器学习模型。DMCP集成了多种可视化方法，台企包括模型表现对比条形图、台企R2得分小提琴图（重复试验）、训练数据集和测试数据集散点图（模型选定后）、Pearson相关系数图和特征重要性图。

领域图6.(a)DFT计算值与GBR模型预测值的散点对比图。软件的下载、智能注安装、流程的实现以及几个功能应用的简单例子可参考具体教程（https://github.com/XuhaoWan/DMCP/tutorial）