对于一篇科研成果来说，柯南一张生动的图片、精彩的视频可以帮助科学家们更好地传达观点，成果也可以更好地传播。

当我们进行PFM图谱分析时，奇葩仅仅能表征a1/a2/a1/a2与c/a/c/a之间的转变，奇葩而不能发现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。（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，人理由于数据的数量和维度的增大，人理使得手动非原位分析存在局限性。

再者，柯南随着计算机的发展，柯南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。【引语】干货专栏材料人现在已经推出了很多优质的专栏文章，奇葩所涉及领域也正在慢慢完善。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，人理如金融、人理互联网用户分析、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。

柯南这就是最后的结果分析过程。奇葩（f,g）靠近表面显示切换过程的特写镜头。

随后开发了回归模型来预测铜基、人理铁基和低温转变化合物等各种材料的Tc值，人理同样取得了较好结果，利用AFLOW在线存储库中的材料数据，他们进一步提高了这些模型的准确性。

近年来，柯南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。据说海盗湾还有一个基金接受支持者向其捐款，奇葩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。

不过，人理这种威胁是不是能影响到Elsevier也不好说。不管怎么样，柯南海盗湾至今仍然在继续运行着。

但从全球范围来看，奇葩历经多年的呼吁和推行，开放获取并没有形成主流。结果在2016年的一项调查中发现，人理研究结果显示，有21%的签名科学家的身份无法识别，19%的科学家自签名以后再没有在任何期刊上发表过任何论文。