过去五年中，颗引郑南峰团队在Nature和Science上共发表了两篇文章。

山楂阴影区域表示用于创建凹度曲线的区域图3-9分类模型精确度图图3-10（a~d）由高斯拟合铁电体计算的凹面积图。需要注意的是，头脑机器学习的范围非常庞大，有些算法很难明确归类到某一类。

那么在保证模型质量的前提下，风暴建立一个精确的小数据分析模型是目前研究者应该关注的问题，风暴目前已有部分研究人员建立了小数据模型[10,11]，但精度以及普适性仍需进一步优化验证。首先，颗引利用主成分分析法（PCA）对铁电磁滞回线进行降噪处理，颗引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。首先，山楂构建带有属性标注的材料片段模型（PLMF）：将材料的晶体结构分解为相互关联的拓扑片段，表示结构的连通性。

头脑这样当我们遇见一个陌生人时。经过计算并验证发现，风暴在数据库中的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）。

【引语】干货专栏材料人现在已经推出了很多优质的专栏文章，颗引所涉及领域也正在慢慢完善。

然而，山楂实验产生的数据量、种类、准确性和速度成阶梯式增长，使传统的分析方法变得困难。马丁团队主要从事合成气转化、头脑水活化、头脑烃类选择转化和催化原位表征技术等方面等方面的研究，在费托合成、双金属催化体系、催化机理研究等方面取得了系列进展。

中国科学院院士、风暴发展中国家科学院(TWAS)院士和英国皇家化学会荣誉会士(HonFRSC)。颗引2014年获第六届十佳全国优秀科技工作者称号。

山楂2016年入选英国皇家化学会会士。头脑2005年入选中国科学院百人计划。