但也有企业似乎并不认同这一看法，国网工作比如海信。
为了避免这个问题，青海启动作者还提出了一种迁移学习方法，通用目标模型被重新训练为特定的晶体结构。电力插图:显示了具有一定数量的多晶型的化学成分的分布。
配网机器学习(ML)引导的高通量研究显示绿色。作者积累了一个超过200万密度泛函计算的晶体数据集，无人具有一致的计算参数，并且将得到的模型应用于1500万个成分为ABCD2的四方钙钛矿的高通量搜索。寻找新材料的现代理论方法包括扫描晶体结构的整个组成空间，机规用DFT优化每个晶体，然后将DFT能量与所有可能的分解通道进行比较。
模化图5测试MAE与训练集中系统数量的关系。巡检具有所有成分的高通量研究显示为蓝色/红色。
作者通过用图距离的嵌入代替精确的键距离来规避这个问题，国网工作使得文章中的网络可以直接应用于基于成分和晶体结构原型的高通量研究，国网工作而无需使用松弛结构作为输入。
另一种选择是开发基于组合的模型，青海启动这种模型与原型无关，可以确定潜在的稳定成分。结果半路上就听到啪叽一声，电力第一只小奶猫已经生下来了，我妈又一手轻抓着还连着脐带的猫崽子，嘴里还骂骂咧咧的批评猫咪不懂事、瞎胡闹。
就算是我妈午休时间，配网那五只猫崽子也要屁颠屁颠地跟着，完全不把我这个正牌放在眼里。直到小母猫憋不住了，无人直接站立生崽，还是我第一个发现的。
她（它）俩就这样僵持着，机规一个可劲儿的跳操，一只坚持不懈的磨人。所以，模化好好陪着它，让它安心待产吧。
