في خطوة رائدة نحو تعزيز تكنولوجيا المواد، كشفت دراسة جديدة عن إطار جديد يستثمر في الذكاء الصناعي لتحسين عمليات تصنيع الدندرايت الثنائي الأبعاد. يُعتبر هذا البحث مثالا يُحتذى به في كيفية استخدام التعلم الآلي والبيانات الكبيرة لتسريع تطوير المواد من خلال تحسين عمليات التجريب.

يستند هذا الإطار إلى عملية النمو الكيميائي للبخار، التي تتضمن تعدد المتغيرات الناتجة عن التجارب، مما يبرز التعقيدات المرتبطة بالتفاعلات الكيميائية. من خلال دمج التعلم النشط (Active Learning) ضمن سير العمل التجريبي، استطاعت الدراسة تحديد الوصفة الأمثل لنمو دندرايت ReSe2 النشط كهربائياً بعد إجراء 60 تجربة فقط، والتي تشكل أقل من 1.3% من جميع تركيبات المتغيرات الممكنة.

بالإضافة إلى ذلك، تم تطوير استراتيجية لزيادة البيانات مستندة إلى دقة التنبؤs مع خوارزمية التعلم الآلي (Machine Learning) التي تستند إلى الطرق الشجرية، حيث كشفت الدراسة عن علاقة غير خطية بين خمسة متغيرات عملية وأبعاد الالتواء (Fractal Dimension) لدندرايت ReSe2، مع إضافة 9 تجارب إضافية فقط.

وأخيرًا، بناءً على التوصيفات متعددة المقاييس ونماذج التعلم الآلي القابلة للتفسير، تم إنشاء نموذج لآلية مزدوجة قائمة على البيانات والمعرفة، مما يكشف عن المساهمات التآزرية لمتغيرات العملية المختلفة في تشكل المنتج. هذه الورقة تسلط الضوء على إمكانيات التعلم الآلي في تحويل نموذج البحث، ويمكن تكييفه على نطاق واسع لإنتاج المواد.