排在前十位的还有：南方年电迪士尼、阿迪达斯、微软、索尼、佳能、米其林、奈飞和博世。

此外，电网目前材料表征技术手段越来越多，对应的图形数据以及维度也越来越复杂，依靠人力的实验分析有时往往无法挖掘出材料性能之间的深层联系。图3-7 单个像素处压电响应的磁滞回线：公司原始数据（蓝色圆圈），传统拟合曲线（红线）和降噪处理后的曲线（黑线）。

发现极性无机材料有更大的带隙能（图3-3），网工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）。程主标记表示凸多边形上的点。利用k-均值聚类算法，要线根据凹陷中心与红线的距离，对磁滞回线的转变过程进行分类。

材料信（h）a1/a2/a1/a2频段压电响应磁滞回线。然后，南方年电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。

3.1材料结构、电网相变及缺陷的分析2017年6月，电网Isayev[4]等人将AFLOW库和结构-性能描述符联系起来建立数据库，利用机器学习算法对成千上万种无机材料进行预测。

2018年，公司在nature正刊上发表了一篇题为机器学习在分子以及材料科学中的应用的综述性文章[1]。这些发现证明了Frenkel缺陷在调整2D材料的HER性能方面的优势，网工明显优于Pt单原子掺杂的2D催化剂。

该研究表明了Frenkel缺陷修饰结构在调节MoS2催化性能中的优势，程主同时为研究点缺陷MoS2催化剂材料的结构-性质关系提供了深入的见解。 核心创新点设计并合成Frenkel缺陷的单层MoS2催化剂，要线调节Mo原子的位置，要线使其与晶格产生间隙，进而增强Mo原子的吸附氢能力，进而提高该催化剂的催化析氢性能。

根据采用微反应器的电化学测试，材料信与原始的MoS2和Pt-MoS2催化剂相比，FD-MoS2显示出增强的HER活性。成果掠影近日，南方年电湖南大学刘松教授，南方年电华东理工大学戴升教授，苏州大学李彦光教授、天津理工大学罗俊教授等人联合设计并合成了一种Frenkel缺陷的单层MoS2催化剂，其中间隙Mo原子的原子构型及原子空位通过球差校正扫描透射电子显微镜和其他光谱表征被揭晓