曾获北京市科学技术奖一等奖，中国化学会青年化学奖，中国青年科技奖等奖励。
我在材料人等你哟，期待您的加入。首先，构建深度神经网络模型（图3-11），识别在STEM数据中出现的破坏晶格周期性的缺陷，利用模型的泛化能力在其余的实验中找到各种类型的原子缺陷。
然后，使用高斯混合模型对检测到的缺陷结构进行无监督分类（图3-12），并显示分类结果可以与特定的物理结构相关联。首先，利用主成分分析法（PCA）对铁电磁滞回线进行降噪处理，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。我们便能马上辨别他的性别。
对错误的判断进行纠正，我们的大脑便记住这一特征，并将大脑的模型进行重建，这样就能更准确的有性别的区别。（f,g）靠近表面显示切换过程的特写镜头。
2机器学习简介所谓的机器学习就是赋予计算机人类的获得知识或技能的能力，然后利用这些知识和技能解决我们所需要解决的问题的过程。
深度学习是机器学习中神经网络算法的扩展，它是机器学习的第二个阶段--深层学习，深度学习中的多层感知机可以弥补浅层学习的不足。相比OLED，MicroLED的亮度也要更高一些，而且寿命也会更长，性能更加稳定，亮度和色彩饱和度更高，响应速度也更快。
MicroLED是一种自发光显示技术，采用微米（μm）级、比头发还细的超小型LED元器件，无需背光或滤色片即可实现发光以及着色。此外，他们还在考虑将MicroLED的应用扩展到小型显示屏，如广告标牌和智能手表等。
经查询发现，MicroLED相比于LCD可以实现更高的亮度、色彩饱和度、色彩还原力、响应速度等，而且是自发光，因此更省电。此外，MicroLED中使用的RGB器件是无机材料，因此没有老化和烧屏问题，并且可以带来10万小时以上的稳定高亮度和画质。
