OFET器件迁移率已经从最初10-5 cm2 V-1s-1发展到目前超过30cm2 V-1s-1，风光且OFET作为一种器件测试结构也被用来评估有机半导体迁移率，风光其场效应迁移率通常是由电流-电压特性推导得出，并假设该电流-电压关系遵从传统FET中肖克利渐进沟道近似（GCA）模型。
据说海盗湾还有一个基金接受支持者向其捐款，火储目标是买下北海中的西兰公国（PrincipalityofSealand），然后将其变成全世界第一个没有版权制度的国家。对于某些主要的数据库，氢定比如Elsevier，有超过97%的论文能够在Sci-Hub的服务器上免费获取。
但公开的资料显示这个谈判并不顺利，州构也没有消息透露出已经成功。科学家辞职、建多局抗议也不是头一回了。考虑到付费墙的存在，源格Sci-Hub具备有直接获取订阅式期刊上85%的已发表论文。
由德国图书馆、风光大学、研究机构组成的联合战线——ProjektDEAL联盟，数年之前就与Elsevier展开了谈判。不仅仅是Sci-Hub在以一种罗宾汉的方式来对抗目前的期刊订阅状态，火储国际主流科学界同样也在推行开放获取，试图改变当下的状态。
因此，氢定也就出现了Sci-Hub的网址东躲西藏的局面。
简单来说，州构这种方式是德国组成了一个联盟，以联盟的形式跟出版商要一个批发价，从而实现学术期刊上德国作者的论文可以开放获取。2018年，建多局在nature正刊上发表了一篇题为机器学习在分子以及材料科学中的应用的综述性文章[1]。
图3-11识别破坏晶格周期性的缺陷的深度卷积神经网络图3-12由深度卷积神经网络确定的无监督的缺陷分类图3-13不同缺陷态之间转移概率的分析4机器学习在材料领域的研究展望与其他领域，源格如金融、源格互联网用户分析、天气预测等相比，材料科学利用机器学习算法进行预测的缺点就是材料中的数据量相对较少。Ceder教授指出，风光可以借鉴遗传科学的方法，风光就像DNA碱基对编码蛋白质等各种生物材料一样，用材料基因组编码各种化合物，而实现这一编码的工具便是计算机的数据挖掘及机器学习算法等。
火储（e）分层域结构的横截面的示意图。（i）表示材料的能量吸收特性的悬臂共振品质因数图像在扫描透射电子显微镜（STEM）的数据分析中，氢定由于数据的数量和维度的增大，氢定使得手动非原位分析存在局限性。