读论文：Electronic descriptors for designing highentropy alloy electrocatalysts by leveraging local chemical environments

HEAs表面有无数种原子组合，需要通过机器学习处理大量数据，通过学习源自周围的电子特性，从而预测最适合催化的原子组合方式.

预处理

没有复杂预处理，DFT计算精度很高，仅需简单归一化

INPUT

特征1：活性中心的d带填充度
特征2：相邻原子的平均电负性

OUTPUT

预测HEA位点的氧气吸附能$\Delta E_{ads}^O$（衡量催化活性的量化指标）

算法

仅仅是线性模型，没有使用复杂神经网路

损失函数分析误差

总结

找到一个量化结果优劣度的指标