تواجه العلوم الحديثة تحديات كبيرة عند محاولة إعادة بناء الهياكل البلورية من صور ميكروسكوب الإلكترون الناقل (Scanning Transmission Electron Microscopy - STEM) التي تحتوي على ضوضاء. يعتبر هذا التحدي مشكلة عكسية صعبة، حيث يمكن أن تفسر شبكات بلورية متعددة نفس النمط، مما يتطلب نموذجًا يؤدي وظائف تحقق أكثر تقدمًا.

في هذا السياق، يقدم فريق بحثي مبتكر تقنية AutoMat، التي تعمل كتحكم ذكي يُعرف بـ "الوكيل الفاعل". يقوم AutoMat بإجراء بحث على الفرضيات في وقت الاستدلال، مع التحقق من صحة الفرضيات ضمن حلقة مغلقة، لتحويل صور STEM إلى هياكل بلورية يمكن استخدامها في المحاكاة وخصائص أخرى.

تجمع AutoMat بين وحدات الإدراك والفيزياء؛ حيث يشمل ذلك إزالة الضوضاء المعتمدة على الأنماط، واسترجاع القوالب المستند إلى الفيزياء، وإعادة بناء ذرية مقيدة بالتناظر، بالإضافة إلى استرخاء/التحقق القائم على نموذج MLIP. وعندما يحدث فشل في التحقق، يتم تفعيل ميزة "الاسترجاع والمحاولة مرة أخرى" لتعويض الأخطاء.

ولضمان تقييم شامل، تم تقديم مجموعة بيانات STEM2Mat-Bench، التي تحتوي على أكثر من 450 عينة موضحة. يتم تقييم الأداء باستخدام مقاييس مثل الانحراف المعياري الجذري لشبكة البلورات (RMSD)، ومتوسط خطأ الطاقة التكوينية (MAE)، ودقة مطابقة الهياكل. أظهرت النتائج أن AutoMat يتفوق على الأساليب الحالية، بما في ذلك نماذج SOTA (State of the Art)، وأدوات متخصصة، ونماذج متعددة الأنماط مغلقة المصدر.

يمثل هذا التطور جذراً جديداً في مجال علم المواد، حيث يوفر مساراً مباشراً من توصيف المجهر إلى النمذجة على المستوى الذري، مما يعالج تحدياً أساسياً في هذا المجال.