自适应抗肿瘤响应已在结肠癌和乳腺癌中得到证实，朗坤促进了选择性癌症治疗的发展。

为了解决这个问题，智慧2019年2月，Maksov等人[9]建立了机器学习模型来自动分析图像。近年来，出席这种利用机器学习预测新材料的方法越来越受到研究者的青睐。

根据机器学习训练集是否有对应的标识可以分为监督学习、全球无监督学习、半监督学习以及强化学习。工业（h）a1/a2/a1/a2频段压电响应磁滞回线。因此，互联2018年1月，美国加州大学伯克利分校的J.C.Agar[7]等人设计了机器学习工作流程，帮助我们理解和设计铁电材料。

另外7个模型为回归模型，朗坤预测绝缘体材料的带隙能（EBG），朗坤体积模量（BVRH），剪切模量（GVRH），徳拜温度（θD），定压热容（CP），定容热容（Cv）以及热扩散系数（αv）。随机森林模型以及超导材料Tc散点图如图3-5、智慧3-6所示。

当然，出席机器学习的学习过程并非如此简单。

然后，全球为了定量的分析压电滞回线的凹陷特征，构建图3-8所示的凸结构曲线。工业【图文导读】二维MXene晶体结构及纳米机电谐振器结构示意图和器件显微照片。

【成果简介】过渡金属炭氮氧化物（MXene）是一类已被广泛应用于储能、互联催化等领域的二维无机化合物。针对这一现状，朗坤电子科技大学的研究者们探索并实现了基于二维MXene晶体的纳米机电谐振器，朗坤利用材料的导电特性首次同时实现了此类器件的谐振激励和频率调控，并通过力学分析成功测定了二维Ti3C2Tx晶体的弹性模量。

来源及版权：智慧ACSNano及论文作者进一步，智慧研究者们对二维Ti3C2Tx纳米机电谐振器谐振频率受气压调控的变化规律进行了探索，验证了此类器件作为真空环境下压强传感器的可行性，并实现了高达736%/Torr的压强响应度和低至1.65×10-4 Torr的工作压强下限。在此基础上，出席研究者们分别通过光热效应和静电力驱动实现了对二维Ti3C2Tx机电谐振器的激励，出席并测定其谐振响应，发现此类器件的基频谐振频率可高达甚高频（VHF）频段。