值得注意的是，出海并非所有迪士尼影片都会上线Netflix，部分核心品牌会受到限制，包括皮克斯、漫威和星球大战等。
特拟文献链接：Machine-Learning-GuidedMorphologyEngineeringofNanoscaleMetal-OrganicFrameworks（Matter,2020,DOI:10.1016/j.matt.2020.04.021）通讯作者简介厦门大学汪骋团队致力于开发一类二维金属有机框架(Metal-OrganicFrameworks=MOFs)(Angew.Chem.Int.Ed.2016,55,4962。（B）基于498个样本中的228个的测试集对预权重进行微调后，南亚通过MaskR-CNN识别站立纳米片并以矩形标出。
（C）在150oC下，扩产相图和不同相的结构以及不同相的结构模型。【文章亮点】1、出海利用机器学习来分析一个基于Hf-MOF系统的综合数据。3、特拟通过MS和TEM在MOFs的合成溶液中检测到Hf6和Hf12SBUs。
南亚（D）从八面体到八面体所有横截面结构的形态演变。（B）原位液体TEM显示Hf12SBU采用细长的椭圆形，扩产而Hf6SBU采用更对称的形状。
图二、出海原位液态TEM和ESI-MS检测合成溶液中的SBUs（A）UiO-67和hcp-UiO-67的晶体结构，以及Hf6簇和Hf12簇。
（E）垂直截面上的亮度分布，特拟可以拟合高斯函数。发现极性无机材料有更大的带隙能（图3-3），南亚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）。
目前，扩产机器学习在材料科学中已经得到了一些进展，如进行材料结构、相变及缺陷的分析[4-6]、辅助材料测试的表征[7-9]等。因此，出海复杂的ML算法的应用大大加速对候选高温超导体的搜索。
2机器学习简介所谓的机器学习就是赋予计算机人类的获得知识或技能的能力，特拟然后利用这些知识和技能解决我们所需要解决的问题的过程。因此，南亚2018年1月，美国加州大学伯克利分校的J.C.Agar[7]等人设计了机器学习工作流程，帮助我们理解和设计铁电材料。