10月初，轮胎《日本经济新闻》也曾报道过谈判事宜，当时文章中提到了京东方、华星光电两家公司，参与争夺的还有台湾、韩国公司。

首先，换换根据SuperCon数据库中信息，对超过12,000种已知超导体和候选材料的超导转变温度（Tc）进行建模。经过计算并验证发现，想换在数据库中的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）。

作者进一步扩展了其框架，轮胎以提取硫空位的扩散参数，轮胎并分析了与由Mo掺杂剂和硫空位组成的不同配置的缺陷配合物之间切换相关的转换概率，从而深入了解点缺陷动力学和反应（图3-13）。近年来，换换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。为了解决这个问题，想换2019年2月，Maksov等人[9]建立了机器学习模型来自动分析图像。

就是针对于某一特定问题，轮胎建立合适的数据库，轮胎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。Ceder教授指出，换换可以借鉴遗传科学的方法，换换就像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。

想换图2-2 机器学习分类及算法3机器学习算法在材料设计中的应用使用计算模型和机器学习进行材料预测与设计这一理念最早是由加州大学伯克利分校的材料科学家GerbrandCeder教授提出。

根据Tc是高于还是低于10K，轮胎将材料分为两类，构建非参数随机森林分类模型预测超导体的类别。未来，换换更为细分、更为专业、差异化于电视传统功能的场景盒子才有机会获得一席之地。

腾讯和天猫分列榜单第二、想换三位，占比为15.0%和11.3%，环比均下降0.8个百分点。随着国内电视智能化的全面普及，轮胎作为电视互联网化的工具的智能盒子将更为弱化。

随着国内消费升级，换换同时智能盒子市场的规范化，换换国内智能盒子的品质也在走向高端化、精品化，中高端的智能盒子市场份额不断提升，主攻中高端市场的当贝是TOP4品牌中唯一实现环比增长的厂商，销量环比增长22%。未来，想换只有更为细分、更为专业、差异化于电视传统功能的场景盒子才有机会获得一席之地。