近年，机器学习这个词越来越频繁的进入大家的视野。作为一个时髦的工具，机器学习似乎无所不能，下围棋？用机器学习！解蛋白？用机器学习！开发材料？用机器学习！机器学习作为一门多领域交叉学科,涉及概率论、统计学、通近论、凸分析、算法复杂度理论等多门学科。作为一种新的研究工具，机器学习是一种通过训练模型来识别模式、预测结果和优化过程的技术。近年来，在化学与材料科学方向的顶刊中，机器学习的相关文章发表量逐年增长，需求和应用也越来越多。

常见的计算领域包括但不限于：材料科学、化学、医学、催化、环境、生物等。

常见的软件有：Python、XGBoost、VASP、Matlab等。

可以的计算的内容包括但不限于：

高通量筛选、势函数训练、预测材料的催化性能、预测反应路径/机理、预测吸附能

预测d带中心、预测结构性质（高熵合金、钙钛矿、二维材料、电解液、膜电极等）

神经网络、线性回归、KNN、决策树、随机森林、支持向量机、聚类算法、模型预测

药物设计、数据分析与挖掘、数据可视化、数据库构建和管理、数据检索/下载