في عالم الأبحاث المتسارع، يقدم ذكاء اصطناعي مبدع نظرة جديدة على تحسين أداء أبحاث المواد. باستخدام نظام عميق مدعوم بتجارب متكررة، يقيم بحث جديد كيف يمكن لأساليب الذكاء الاصطناعي (AI) تحسين النتائج من دون الحاجة إلى إجراء تغييرات نمذجة شاملة. يعتمد النموذج على تنفيذ تغييرات عديدة عبر مجموعة من الميزات والبيانات، حيث تم اختبار 701 تغيير عبر عشرة نقاط نهاية من Matbench.

لكن السؤال الأكثر أهمية هو: هل تستطيع هذه التغيرات أن تصمد أمام اختبارات جديدة لم تتدخل في البيانات المتاحة مسبقاً؟ الإجابة تبدو مشجعة، حيث يتمكن تسعة من أصل عشرة تغييرات من الحفاظ على فاعليتها بعد تقييمها على مجموعة بيانات غير مستخدمة مسبقاً.

تتجاوز النتائج التي توصل إليها الباحثون حدود تحسين المواد، حيث تكشف بطريقة مبتكرة عن نظامين مختلفين لنمذجة المواد. يتحقق الباحثون من فوائد التغييرات في الميزات والنماذج والتمثيلات، حيث سجّلت تلك التعديلات تقليصًا بنسبة 17.4% في الخطأ المتوسط المطلق (MAE) لفرقة الطاقة و18.6% لقوة الفولاذ. بالإضافة إلى ذلك، أظهرت التعديلات تحسينات في دقة التصنيف.

تعتبر هذه النتائج نقطة تحول في طريقة أداء الذكاء الاصطناعي داخل المختبرات، مما يمنح الباحثين أدوات قوية لتعزيز الابتكار. يعتبر هذا أيضًا تقييمًا مهمًا لتصميم اختبار الاكتشافات القابلة للتنفيذ في مجالات أخرى، بعيدًا عن دائرة التغذية الراجعة التقليدية.