谈光2009年当选中国科学院院士。

此外，器件作者利用高斯拟合定量化磁滞转变曲线的幅度，器件结合机器学习确定了峰/谷c/a/c/a - a1/a2/a1/a2域边界上的铁弹性增加的特征（图3-10），而这一特征是人为无法发掘的。当然，模块机器学习的学习过程并非如此简单。

图3-7 单个像素处压电响应的磁滞回线：谈光原始数据（蓝色圆圈），传统拟合曲线（红线）和降噪处理后的曲线（黑线）。当我们进行PFM图谱分析时，器件仅仅能表征a1/a2/a1/a2与c/a/c/a之间的转变，器件而不能发现a1/a2/a1/a2内的反转，因此将上述降噪处理的数据、凸壳曲线以及k-均值聚类的方法结合在一起进行分析，发现了a1/a2/a1/a2内的结构的转变机制。在数据库中，模块根据材料的某些属性可以建立机器学习模型，便可快速对材料的性能进行预测，甚至是设计新材料，解决了周期长、成本高的问题。

这个人是男人还是女人？随着我们慢慢的长大，谈光接触的人群越来越多，谈光了解的男人女人的特征越来越多，如音色、穿衣、相貌特征、发型、行为举止等。飞秒X射线在量子材料动力学中的探测运用你真的了解电催化产氢这些知识吗？已为你总结好，器件快戳。

目前，模块机器学习在材料科学中已经得到了一些进展，如进行材料结构、相变及缺陷的分析[4-6]、辅助材料测试的表征[7-9]等。

对错误的判断进行纠正，谈光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。图5.基于水平取向PEDOT纳米纤维网的超级电容器的柔性测试与电化学表征，器件器件在弯曲0°至150°时仍正常工作。

模块这为今后柔性电子器件的实际应用打下了基础。如何赋予高性能纳米柔性器件抗冲击性，谈光使其在接受物理冲击后仍然正常工作是一大挑战。

器件器件在经受125 kJ/m2的冲击后仍能充放电超过10,000周。随后，模块反应器加热引发氯化铁溶液的水解，模块形成的β-FeOOH纳米纺锤在奥斯瓦尔德熟化与聚合物依附的共同作用下生长并转化为长径比超过1,000的PEDOT纳米纤维。