除了开放获取，用绿样从应用一些国家正在努力以另外一种方式改变。
与专业化学家相似的是，色制色氢示范LocalTransform能够通过识别反应中心来预测反应结果，并根据局部化学环境变化然后通过全局注意机制的选择性来识别反应原子。采用的方法范围从第一性原理技术，造绿走到多尺度建模，到胶体自组装的模拟，以及机器学习在这些领域的应用。
基于M3GNet能量，产业从3100万个假设晶体结构的筛选中，约180万种材料被确定为对现有材料项目晶体具有潜在稳定性。用绿样从应用相关研究工作以Graphneuralnetworksformaterialsscienceandchemistry为题发表在CommunicationsMaterials上。原文详情：色制色氢示范NatureEnergy：晶体图注意力网络用于预测稳定材料4. 机器学习预测分子结构，NatureReviewsChemistry最新综述。
近些年，造绿走人工智能技术的发展如火如荼，造绿走从AlphaGo到AlphaFold，人工智能开始在科学研究中发挥着史无前例的作用，科学研究的范式也从因果式向数据驱动式进行转换。作者简要概述了材料计算建模方面的一些显著进展，产业并讨论了该领域的一些主要挑战和机遇。
具体地，用绿样从应用在基于DFT的分子动力学模拟过程中，通过另一个基于RPA和DFT计算的能量、力和应力张量之间的差异进行训练的MLFF来校动态学习中训练的MLF。
色制色氢示范相关研究成果以Ageneralized-template-basedgraphneuralnetworkforaccurateorganicreactivityprediction为题发表在国际著名期刊NatureMachineIntelligence上。对于某些主要的数据库，造绿走比如Elsevier，有超过97%的论文能够在Sci-Hub的服务器上免费获取。
然而，产业23%的签名科学家在签名以后仍继续在Elsevier的期刊上发表了论文（其中化学领域这一结果为29%，心理学为17%）。因此部分开放期刊为了增加收入，用绿样从应用对发表文章的质量把关不严，影响了期刊的声誉，从而导致了优秀文章并不愿意往开放期刊上投。
2012年1月，色制色氢示范英国剑桥大学数学家、菲尔兹奖获得者TimothyGowers发起了一场抵制Elsevier的运动，并有上万名科学家签名响应了不发表、不审核、不当编辑。自2003年成立开始，造绿走海盗湾就被全世界版权组织视为眼中钉、肉中刺，被重重围剿。