يُعتبر الذكاء الاصطناعي في مجال علوم المواد (AI for Materials Science) موضوعًا حيويًا يسعى لتسريع اكتشاف المواد وتقديم تنبؤات دقيقة عن خصائصها. في هذا الإطار، يعد تكديس المواد الثنائية الطبقات (bilayer materials stacking) عنصرًا أساسيًا لاستكشاف مواد جديدة ذات وظائف وظواهر مبتكرة، مما يمهد الطريق لإنشاء ثنائيات طبقية جديدة للتطبيقات العملية المتنوعة.

لقد حققت الأبحاث المتعلقة بالمواد ثنائية الطبقات من نوع فان دير فالس (vdWs) تقدمًا كبيرًا من النواحي التجريبية والحاسوبية، حيث تم بنجاح تصنيع عدة مواد ثنائية الطبقات، ومع زيادة استخدام تكنولوجيا الحوسبة عالية الإنتاجية، تم إنشاء العديد من قواعد البيانات الحاسوبية للمواد ثنائية الأبعاد (2D).

مع ذلك، فإن استخدام الذكاء الاصطناعي في نمذجة تكديس الطبقات الثنائية وتوقع الخصائص الجديدة لا يزال موضوعًا يحتاج إلى مزيد من الاستكشاف. في هذا العمل، نقترح أسلوب تعلم متعدد الجوانب مبتكر لدراسة الواجهات بين المواد غير المتشابهة التي تمكّن من وظائف جديدة أو متعددة، وتوقع خصائص جديدة ناتجة عن الدمج الرأسي (stacking) لطبقات المواد الوظيفية المختلفة تحت تكوينات معينة.

تظهر التجارب الشاملة فعالية وكفاءة أسلوبنا مقارنة بالطرق التقليدية. بالإضافة إلى ذلك، الكود البرمجي المتعلق بهذا البحث متاح للجمهور على GitHub.