高导电性、不作不死卓越的吸附能力和精细的结构使GQF成为一种很有前途的实时气体检测方法。
不作不死（b）EGT器件的保留性能。图二、不作不死模拟开关性能（a）由+3.6/-3.4V和10ms宽度的Vg脉冲诱导的具有32个离散状态的沟道电导开关100个周期。
2007-2018年在中国科学院物理研究所任副研究员，不作不死期间于2011年5月–2012年4月，韩国首尔大学物理与天文系博士后。（b）由EGT突触连接的输入神经元和输出神经元组成的SNN架构图，不作不死用于时空方位信息识别。不作不死（c）EGT的示意图以及（b）中沿黑色虚线的横截面的TEM。
研究领域包括受生物启发的认知记忆与神经形态计算器件、不作不死模型、算法以及人工智能感官系统。2013年11月–2014年1月，不作不死英国剑桥大学材料科学与冶金系访问学者。
其突出的模拟开关性能被用于时空编码SNN的硬件实现中，不作不死证明了EGT阵列具有高效的学习和识别能力。
不作不死（f）沟道电导最低电导态（红色）和最高电导态（蓝色）的器件间分布。为了解决上述出现的问题，不作不死结合目前人工智能的发展潮流，不作不死科学家发现，我们可以将所有的实验数据，计算模拟数据，整合起来，无论好坏，便能形成具有一定数量的数据库。
另外7个模型为回归模型，不作不死预测绝缘体材料的带隙能（EBG），不作不死体积模量（BVRH），剪切模量（GVRH），徳拜温度（θD），定压热容（CP），定容热容（Cv）以及热扩散系数（αv）。首先，不作不死构建深度神经网络模型（图3-11），不作不死识别在STEM数据中出现的破坏晶格周期性的缺陷，利用模型的泛化能力在其余的实验中找到各种类型的原子缺陷。
不作不死图2-2 机器学习分类及算法3机器学习算法在材料设计中的应用使用计算模型和机器学习进行材料预测与设计这一理念最早是由加州大学伯克利分校的材料科学家GerbrandCeder教授提出。属于步骤三：不作不死模型建立然而，不作不死刚刚有性别特征概念的人，往往会在识别性别的时候有错误，例如错误的认为养着长头发的男人是女人，养短头发的女人是男人。