在这些领域的研究成果十分丰富，重庆不仅在Nature和Science上发表过十几篇文章，而且这些论文的引用量也是大得惊人。

（B）使用伪零阶反应模型，开出降级拟合RhB（粉红色曲线），Rh110（绿色曲线），MR（红色曲线）和MO（橙色曲线）的动力学曲线。（黑色：首张33mWcm-2;红色：58mWcm-2;蓝色：79mWcm-2;粉红色：93mWcm-2;橙色：110mWcm-2），（插图：反应速率和光强度之间的线性拟合）。

（C）在不同光照强度下，绿色RhB在Cs2AgBiBr6存在下的光降解的照射时间与C/C0的关系图。自由基和染料分子之间快速反应的研究表明，用电Cs2AgBiBr6表面具有独特的催化性能。（B）在光催化降解RhB之前和之后，凭证Cs2AgBiBr6-Pt粉末的XRD图谱。

文献链接：重庆StableandHighlyEfficientPhotocatalysiswithLead-FreeDoublePerovskiteofCs2AgBiBr6(Angew.Chem.Int.Ed，2019，DOI:10.1002/anie.201900658)本文由CYM编译供稿，材料牛整理编辑。为了应对这些问题，开出正转向具有高环境稳定性的无铅钙钛矿材料，开出在合适的条件下，Bi基Cs2AgBiBr6双钙钛矿具有相当高的光学吸收系数和稳定性，但已报到的Cs2AgBiBr6光催化还原CO2仅仅展现了低的效率。

最近，首张卤化铅钙钛矿被用于光催化析氢，光催化还原CO2和光催化有机合成。

但是，绿色卤化钙钛矿的稳定性差和低光催化活性阻碍了其在光催化中的广泛应用。Ceder教授指出，用电可以借鉴遗传科学的方法，用电就像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。

随机森林模型以及超导材料Tc散点图如图3-5、凭证3-6所示。随后开发了回归模型来预测铜基、重庆铁基和低温转变化合物等各种材料的Tc值，重庆同样取得了较好结果，利用AFLOW在线存储库中的材料数据，他们进一步提高了这些模型的准确性。

文章详细介绍了机器学习在指导化学合成、开出辅助多维材料表征、开出获取新材料设计方法等方面的重要作用，并表示新一代的计算机科学，会对材料科学产生变革性的作用。参考文献[1]K.T.Butler,D.W.Davies,H.Cartwright,O.Isayev,A.Walsh,Nature,559(2018)547.[2]D.-H.Kim,T.J.Kim,X.Wang,M.Kim,Y.-J.Quan,J.W.Oh,S.-H.Min,H.Kim,B.Bhandari,I.Yang,InternationalJournalofPrecisionEngineeringandManufacturing-GreenTechnology,5(2018)555-568.[3]周子扬,电子世界,(2017)72-73.[4]O.Isayev,C.Oses,C.Toher,E.Gossett,S.Curtarolo,A.Tropsha,Naturecommunications,8(2017)15679.[5]V.Stanev,C.Oses,A.G.Kusne,E.Rodriguez,J.Paglione,S.Curtarolo,I.Takeuchi,npjComputationalMaterials,4(2018)29.[6]A.Rovinelli,M.D.Sangid,H.Proudhon,W.Ludwig,npjComputationalMaterials,4(2018)35.[7]J.C.Agar,Y.Cao,B.Naul,S.Pandya,S.vanderWalt,A.I.Luo,J.T.Maher,N.Balke,S.Jesse,S.V.Kalinin,AdvancedMaterials,30(2018)1800701.[8]R.K.Vasudevan,N.Laanait,E.M.Ferragut,K.Wang,D.B.Geohegan,K.Xiao,M.Ziatdinov,S.Jesse,O.Dyck,S.V.Kalinin,npjComputationalMaterials,4(2018)30.[9]A.Maksov,O.Dyck,K.Wang,K.Xiao,D.B.Geohegan,B.G.Sumpter,R.K.Vasudevan,S.Jesse,S.V.Kalinin,M.Ziatdinov,npjComputationalMaterials,5(2019)12.[10]Y.Zhang,C.Ling,NpjComputationalMaterials,4(2018)25.[11]H.Trivedi,V.V.Shvartsman,M.S.Medeiros,R.C.Pullar,D.C.Lupascu,npjComputationalMaterials,4(2018)28.往期回顾：首张认识这些带你轻松上王者——电催化产氧（OER）测试手段解析新能源材料领域常见的碳包覆法——应用及特点单晶培养秘诀——知己知彼，首张对症下方，方能功成。