深度学习方法直接对原始数据进行挖掘，擅长探索高维数据的隐含结构与相关性，可以 学习出科学家暂时所无法明确提取的复杂特征与 规律、突破人工提取特征的局限性、避免偏差、减少计算特征的时间开销，相比于传统的机器学习实 现了更加卓越的效果.但与此同时，其消耗的数据资 源与计算资源更多，在资源敏感的科学场景下受到 了限制.并且由于模型结构复杂、不可解释，一些保 守的科学家对其持怀疑态度，这在一定程度上限制 了深度学习在科学领域的应用 .因此深度学习 模型适用于计算与数据资源充足、问题复杂、人工特征提取困难或者效果不佳、对可解释性要求不高的场景。
