第四，博海狗狗的排泄物异常。

就像在有机功能纳米结构研究上，拾贝考虑到纳米结构在无机半导体领域所取得的非凡成就，拾贝作为一类重要的光电信息功能材料，有机分子结构的多样性，可设计性以及材料合成及制备方法上的灵活性都使得有机纳米结构的研究尤为重要。藤岛昭教授虽然是日本人，无忧但他与中国的关系十分密切，这种密切的关系体现在3个方面：交流合作、培养人才、学习文化。

博海1994年获得吉林大学博士学位后继续在东京大学做博士后研究。国内光化学界更是流传着关于藤岛昭教授一门三院士，拾贝桃李满天下的佳话。无忧2016年获中国科学院杰出成就奖。

主要从事仿生功能界面材料的制备及物理化学性质的研究，博海揭示了自然界中具有特殊浸润性表面的结构与性能的关系，博海提出了二元协同纳米界面材料设计体系。拾贝同年获得化学领域和材料领域汤森路透高被引科学家奖以及最具国际引文影响力奖。

文献链接：无忧https://doi.org/10.1002/anie.2020045102、无忧JACS:多晶有机纳米晶中的光致发光各向异性中科院化学研究所姚建年院士团队成功地从铂（II）-β-二酮酸酯络合物制备了两个多晶型纳米晶体PtD-g和PtD-y。

博海2005年以具有特殊浸润性（超疏水/超亲水）的二元协同纳米界面材料的构筑成果获国家自然科学二等奖。因此，拾贝复杂的ML算法的应用大大加速对候选高温超导体的搜索。

因此，无忧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。发现极性无机材料有更大的带隙能（图3-3），博海所预测的热机械性能与实验和计算的数据基本吻合（图3-4）。

实验过程中，拾贝研究人员往往达不到自己的实验预期，而产生了很多不理想的数据。无忧图2-2 机器学习分类及算法3机器学习算法在材料设计中的应用使用计算模型和机器学习进行材料预测与设计这一理念最早是由加州大学伯克利分校的材料科学家GerbrandCeder教授提出。