图六、助力智解决容量贡献和分配氧-氧化还原机制的表征工具（a-b）Li过量和传统层状氧化物的电化学曲线以及在操作差分电化学质谱（DEMS）中观察到的典型气体释放过程。

但是镁合金的致命缺点是当压缩外力载荷与c轴平行的时候，电网表现出非常有限的塑性。(g)应力-应变曲线：化升弹性变形、塑性变形-加工硬化阶段、塑性变形-应变突跳阶段。

助力智(d)一个新的HCP单元细胞(红色部分)被投影在基体内。该研究丰富了对塑性变形机制的认识，电网为镁的变形加工提供了新的启发：电网在高应力或高应变速率下加工，可由高应力引发新的变形机制，进而提高镁的变形加工能力。这严重限制了其实际应用，化升例如锻造。

助力智(b)绿色箭头表示两个HCP单位细胞共享的2-1-10。(b)晶粒10中高密度基面位错，电网在[0-110]带轴下，可见含有a分量的Burgers矢量的位错。

化升(c){10-10}/{0001}的投影图。

图3新晶粒在加载时长大，助力智卸载时缩小，二次加载时重新长大，反映了晶界的可动性图4c轴压缩形成新晶界的原子结构电网这样当我们遇见一个陌生人时。

根据机器学习训练集是否有对应的标识可以分为监督学习、化升无监督学习、半监督学习以及强化学习。因此，助力智2018年1月，美国加州大学伯克利分校的J.C.Agar[7]等人设计了机器学习工作流程，帮助我们理解和设计铁电材料。

随后开发了回归模型来预测铜基、电网铁基和低温转变化合物等各种材料的Tc值，电网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。本文对机器学习和深度学习的算法不做过多介绍，化升详细内容课参照机器学习相关书籍进行了解。