然而，电网动目前报道的HEAs电催化剂主要是低维的。

d，特高左上:加载在CNFs上的AuFeCoCuCrNPs的扫描电镜图像。a，压建用LSA方法形成HEANPs的机理。

d，设马设热PtIrCuNiCr-石墨烯作为阴极和阳极的双电极电池的线性扫描伏安曲线。力足轮电图3利用激光重复扫描循环控制HEANPs的尺寸。c，网建HEANP在原子尺度的高角度环形暗场扫描透射电子显微镜(STEM)图像和STEM元素图。

潮涌图5HEMNPs分解水的电催化性能。电网动d,高熵硼化物;e,高熵磷化物;(f)高熵氮化物NPs加载。

将多个元素在纳米尺度集成到HEMs可以为许多应用提供新的应用途径，特高但其实一项非常艰巨的工作。

b，压建5个不同元素(从A到E)的HEANPs在LSA过程中的配置熵演化。设马设热机器学习分类及对应部分算法如图2-2所示。

首先，力足轮电构建带有属性标注的材料片段模型（PLMF）：将材料的晶体结构分解为相互关联的拓扑片段，表示结构的连通性。网建图3-8压电响应磁滞回线的凸壳结构示例（红色）。

当然，潮涌机器学习的学习过程并非如此简单。当我们进行PFM图谱分析时，电网动仅仅能表征a1/a2/a1/a2与c/a/c/a之间的转变，电网动而不能发现a1/a2/a1/a2内的反转，因此将上述降噪处理的数据、凸壳曲线以及k-均值聚类的方法结合在一起进行分析，发现了a1/a2/a1/a2内的结构的转变机制。