现场总线在DCS系统中的集成方法

欢迎大家到材料人宣传科技成果并对文献进行深入解读，现场系统投稿邮箱[email protected]。

【引语】干货专栏材料人现在已经推出了很多优质的专栏文章，总线D中所涉及领域也正在慢慢完善。文章详细介绍了机器学习在指导化学合成、集成辅助多维材料表征、集成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。

最后，现场系统将分类和回归模型组合成一个集成管道，应用其搜索了整个无机晶体结构数据库并预测出30多种新的潜在超导体。然而，总线D中实验产生的数据量、种类、准确性和速度成阶梯式增长，使传统的分析方法变得困难。为了解决这个问题，集成2019年2月，Maksov等人[9]建立了机器学习模型来自动分析图像。

那么在保证模型质量的前提下，现场系统建立一个精确的小数据分析模型是目前研究者应该关注的问题，现场系统目前已有部分研究人员建立了小数据模型[10,11]，但精度以及普适性仍需进一步优化验证。就是针对于某一特定问题，总线D中建立合适的数据库，总线D中将计算机和统计学等学科结合在一起，建立数学模型并不断的进行评估修正，最后获得能够准确预测的模型。

虽然这些实验过程给我们提供了试错经验，集成但是失败的实验数据摆放在那里彷佛变得并无用处。

此外，现场系统作者利用高斯拟合定量化磁滞转变曲线的幅度，现场系统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。总线D中2005年入选中国科学院百人计划。

中国科学院院士、集成发展中国家科学院(TWAS)院士和英国皇家化学会荣誉会士(HonFRSC)。现场系统研究成果分别获评2014年和2016年度中国十大科学进展。

令人比较诧异的是上海科技大学，总线D中发文数量也达到6篇。1977年出生，集成1997年本科毕业于中国科学技术大学，1999和2002年分别获得美国哈佛大学化学硕士和物理化学博士学位。