从机构贡献也可看到，氢燃对于大多数顶级杂志，贡献前十的机构美国占比很大。

存在主要挑战：料电总是建立足够的原子模型，以便能够将模拟结果与实际样品的宏观数据进行比较，同时保持足够的精度来描述原子的排列和键合。在文中，池直英国牛津大学VolkerL.Deringer（通讯作者）等人展示了在精确的量子力学计算上的原子机器学习模型如何帮助描述100000个原子（10nm长度）系统的液态-非晶态和非晶态-非晶态转变，池直预测结构、稳定性和电子性质。

在同一天，面产Nature上发表以题为Machinelearningrevealsthecomplexityofdenseamorphoussilicon的评论文章。但是，业化晶态固体和非晶态固体都在压缩下转变为更致密的结构，该过程伴随着向金属导电性能的转变。总之，氢燃这些结果揭示了硅的液态和非晶态转变，并且在更广泛的背景下，说明了机器学习驱动的方法来预测材料建模。

料电电子态密度的机器学习模型证实了在VHDA形成和随后结晶过程中金属丰度开始变化。其实，池直早在20世纪70年代，研究人员利用量热实验研究了在加热和冷却过程中，伴随着非晶态Si和晶态Si间转变的能量变化。

面产硅（Si）是一种密度会随着熔化而增加的小类元素。

该模拟揭示了非晶态Si在不断增加的外部压力下的三步转变过程：业化首先，发现了多晶态低密度和高密度非晶态区共存，而不是依次出现。此外，氢燃该新型胶粘剂水凝胶可能在水下转移、水基设备、水下维修和水下软机器人等许多领域中应用前景。

由阳离子单体和芳香族单体共聚制备的水凝胶不仅具有优异的机械强度和韧性，料电而且对不同基质具有良好的水下粘附性、可重复性和持久性。【图文解读】图一、池直水凝胶粘合剂的示意图和设计策略（a）强力粘合剂的一般机械原理说明。

面产（f）聚（SPAK-co-PEA）水凝胶（f=0.85）对具有不同类型表面电荷和水中疏水性的多种基材的粘合力值。（d）将f=0.85水凝胶粘附在1.2kg的块状物体上，业化再从水中提起到空中的照片。