展点信其余的37%确实只在非Elsevier出版的期刊上发表论文。
上述结果表明，亮电CH2O*可能是Mo2C/N-CNT表面生成CH3OH的中间产物，可能同时存在于CO2还原和CO还原过程中。值得注意的是，息行计算的羟基覆盖率低于XPS(O与Mo的原子比约为1:1)测得的羟基覆盖率，息行这可能是由于样品转移过程中不可避免的氧化和还原条件下的氧气损失，因此在未来需要进行原位(操作)表征。
美好透射电子显微镜(TEM)表明锚定在N-CNT上形成了均匀分散的粒径约为5.0 nm的颗粒(图1b)。根据以往的研究，展点信氧化物不具有CO2还原活性，因此存在于表面的氧化物不参与反应。然而，亮电吸附剂-表面相互作用主要与催化剂中过渡金属的d态有关，因此很难在不影响碳亲和力的情况下促进氧结合中间体的形成。
息行这种杂化允许sp态与d态一起工作来控制中间体的吸附。发现*CO在Mo2C/N-CNT表面的脱附自由能明显降低，美好不利于*CO在Mo2C/N-CNT表面的后续转化。
由于Mo位点在CO2加氢过程中可以稳定CxHyOz中间体，展点信因此选择Mo基碳化物纳米颗粒作为候选催化剂。
然而，亮电CO还原条件下CH3OH的选择性远低于CO2RR(图4a)。当然，息行机器学习的学习过程并非如此简单。
经过计算并验证发现，美好在数据库中的26674种材料中，金属/绝缘体分类的准确度为86%，仅仅有2414种材料被误分类（图3-2）。展点信（f,g）靠近表面显示切换过程的特写镜头。
Ceder教授指出，亮电可以借鉴遗传科学的方法，亮电就像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。图3-7 单个像素处压电响应的磁滞回线：息行原始数据（蓝色圆圈），传统拟合曲线（红线）和降噪处理后的曲线（黑线）。