檢索一些文獻或者網頁資訊，記錄機器學習等人工智能領域的前沿技術介紹、展望、應用，了解我們國家的先進或不足，存在的卡脖子技術等
我去檢視了一下機器學習在化學領域的應用：
我們證明機器學習可以用來預測在多元化學空間中使用通過高通量實驗獲得的資料的合成反應的性能。 我們建立了腳本來計算和提取原子，分子和振動描述符，用于钯催化的Buchwald-Hartwig芳基鹵化物與4-甲基苯胺在各種潛在抑制/添加劑存在下的交叉偶聯反應。 使用這些描述符作為輸入和反應産量作為輸出，我們表明随機森林算法提供了比線性回歸分析顯着改進的預測性能。 随機森林模型也成功地應用于稀疏訓練集和樣本外預測，表明其在促進采用綜合方法論方面的價值。
機器學習（ML）已經成為對材料發現的模拟的有力補充，它通過縮短與第一原理方法相競争的精度來評估能量和性質。我們使用遺傳算法（GA）優化來發現非正常自旋交叉複合物，并結合預測無機複合物自旋态分裂的人工神經網絡（ANN）的高效評分。我們探索了由8種金屬/氧化态組合和32配體池組成的超過5600種候選材料的複合空間。我們通過限制GA遠離最近的ANN訓練點，同時使屬性（即自旋分裂）适應性最大化，進而導緻發現全部化學品的80％的線索，引入用于錯誤感覺ML驅動發現的政策空間枚舉。在51個複合子集上，平均無符号誤差（4.5千卡/摩爾）接近人工神經網絡基線3千卡/摩爾誤差。通過在幾秒鐘内從訓練好的人工神經網絡獲得線索，而不是從DFT驅動的遺傳算法獲得數天，該政策證明了ML加速無機材料發現的力量。
我們國家機器學習領域的現狀：
我國機器學習發展較快的有：
1、泛化能力研究。
2、監督學習算法向多示例學習算法轉化的一般準則。
3、機器學習技術在工作流模型設定中的應用。
4、機器學習技術在資料挖掘中的商業應用。
5、基于機器學習的入侵檢測技術。
6、人工智能原理在人類學習中的應用。
雖然我國在機器學習的一些領域有所成就但現在還是以國外的技術為主導，是以中國需要一批新一代的技術人員加入