国内测定其材料性能参数后研究铝合金的烘烤硬化性能。

首条（d）NBO-G/CNTs流池中H2O2浓度及对应FE%。与金属基电催化剂相比，量产绿氢碳基电催化剂具有储量丰富、性能可调、结构稳定等优点。

标准（f）0.5V时H2O2选择性与电流随N-B-OH含量的变化趋势。电极（f-g）NH2-GQDs和NBO-GQDs的拉曼光谱和FT-IR光谱。产线（b）NH2-GQDs和NBO-GQDs在可见光和365nm紫外光照下的照片。

DFT的计算预测，投产边缘N、B掺杂剂对和进一步的-OH功能化B（N-B-OH）的边缘结构是一个通过2e-途径的ORR活性中心。三、国内【核心创新点】通过DFT和实验验证的N-B-OH结构的最佳催化位点可以实现高效的2e-ORR的催化活性，国内由此制备的NBO-GQDs显示出高效的H2O2选择性和稳定性，在流动池中H2O2的生产速率高达709mmolgcatalyst-1h-1。

（f-h）0.5nmGQD、首条2.0nmGQD和8nm的PyN-OH-结构的纳米带的ORR火山图和B原子吸附的OOH*中间产物的适当部分态密度（PDOS）。

 二、量产绿氢【成果掠影】近日，量产绿氢南京林业大学蒋剑春院士、范孟孟副教授联合上海大学王亮教授，美国辛辛那提大学邬静杰教授设计了各种掺杂和功能化的石墨烯量子点（GQDs）来揭示ORR生成H2O2的碳材料的关键活性位点。当然，标准机器学习的学习过程并非如此简单。

因此，电极复杂的ML算法的应用大大加速对候选高温超导体的搜索。本文对机器学习和深度学习的算法不做过多介绍，产线详细内容课参照机器学习相关书籍进行了解。

Ceder教授指出，投产可以借鉴遗传科学的方法，投产就像DNA碱基对编码蛋白质等各种生物材料一样，用材料基因组编码各种化合物，而实现这一编码的工具便是计算机的数据挖掘及机器学习算法等。利用k-均值聚类算法，国内根据凹陷中心与红线的距离，对磁滞回线的转变过程进行分类。