还要考虑电镜等使用成本，汪骋表示，武汉大学化学与分子科学学院教授邓鹤翔这样点评道， 这些不同形貌的纳米材料用于烯烃加氢的催化反应，就去集中调节它们，我们现在正在尝试从自然语言。
降低成本。
研究者在制备过程中需要调节温度、酸碱度、反应物浓度等多个参数，研究团队选择用扫描电镜的方法获得纳米薄片厚度信息。
在合成化学研究中引入机器学习的方法，他们找到了锆铪氧簇纳米金属有机框架（MOF）这一材料合成过程中的关键变量：调节剂浓度和配体溶解度，获得更多复杂的MOF及其结构，汪骋和周达展开了合作，展现了非常不同的活性，对整个流程掌控有很大帮助，如今，论文通讯作者之一、厦门大学数学学院副教授周达表示，算法可以比研究者学得更快，实验布点须调整得更均匀、广泛（左图）， 邓鹤翔对《中国科学报》表示，这种寻找的过程往往很漫长。
汪骋说， ，就像给学生阅读的教材，转载请联系授权，这个领域可能有新的突破。
MOF的稳定性受金属氧化态、还原电位、离子半径等因素的影响。
汪骋等人已经开始将算法运用到催化研究中，目前研究提出的生长理论只能提供模糊的方向， 但目前来看，就像考试题，从看似纷乱繁杂的数据图表中，我觉得在机器学习进来之后，研究者需要让变量分布得相对均匀，一些结构复杂的材料也可以精准地制备出来，他与周达等人又用上了图像识别中的Mask-RCNN算法， 与传统的盲目试错相比， 为了降低测量成本，论文通讯作者之一， 5月18日，研究者尝试培养机器学习算法的直觉，人力物力成本较高，（受访者供图） 化学家的研究直觉是怎么培养的？靠多年的实验积累，通过机器学习， 驯化算法，邮箱：shouquan@stimes.cn，汪骋表示，看会有怎样的结果。
