博海光催化存在两种可能的反应物-产物能量曲线——释放能量和吸收能量。

近年来，拾贝这种利用机器学习预测新材料的方法越来越受到研究者的青睐。撸猫图3-8压电响应磁滞回线的凸壳结构示例（红色）。

再者，潜行随着计算机的发展，潜行许多诸如第一性原理计算、相场模拟、有限元分析等手段随之出现，用以进行材料的结构以及性能方面的计算，但是往往计算量大，费用大。虽然这些实验过程给我们提供了试错经验，博海但是失败的实验数据摆放在那里彷佛变得并无用处。发现极性无机材料有更大的带隙能（图3-3），拾贝所预测的热机械性能与实验和计算的数据基本吻合（图3-4）。

经过计算并验证发现，撸猫在数据库中的26674种材料中，金属/绝缘体分类的准确度为86%，仅仅有2414种材料被误分类（图3-2）。3.1材料结构、潜行相变及缺陷的分析2017年6月，潜行Isayev[4]等人将AFLOW库和结构-性能描述符联系起来建立数据库，利用机器学习算法对成千上万种无机材料进行预测。

图3-5 随机森林算法流程图图3-6超导材料的Tc散点图3.2辅助材料测试的表征近年来，博海由于原位探针的出现，博海使研究人员研究铁电畴结构在外部刺激下的翻转机制成为可能。

就是针对于某一特定问题，拾贝建立合适的数据库，拾贝将计算机和统计学等学科结合在一起，建立数学模型并不断的进行评估修正，最后获得能够准确预测的模型。这个网站，撸猫就是被称为是学术圈的海盗湾——Sci-Hub。

2012年1月，潜行英国剑桥大学数学家、菲尔兹奖获得者TimothyGowers发起了一场抵制Elsevier的运动，并有上万名科学家签名响应了不发表、不审核、不当编辑。科学家辞职、博海抗议也不是头一回了。

虽然服务器几经停机，拾贝但是都很快恢复，生命力顽强。统计显示，撸猫近9000种SCI期刊中，OA期刊的比例仅为10.5%，特别是SCI期刊品种数最多的美国，OA期刊的比例仅为4.3%。