تعد [أساليب](/tag/أساليب) [التصميم](/tag/التصميم) العكسي للمواد الوظيفية ذات الخصائص المحددة حجر الزاوية لتطوير مجالات مثل [الطاقة](/tag/الطاقة) المتجددة، وتحفيز التفاعلات، وتخزين الطاقة، وأيضًا أسر الع carbon dioxide. والآن، بفضل التطورات الأخيرة في [النماذج](/tag/النماذج) الجنريative التي تعتمد على مبادئ الانتشار، أصبح إنتاج [المواد](/tag/المواد) الجديدة التي تفي بمعايير [الأداء](/tag/الأداء) ممكنًا بشكل مباشر، مما يسرع بشكل كبير من عملية [تصميم المواد](/tag/[تصميم](/tag/تصميم)-[المواد](/tag/المواد)).

ومع ذلك، غالبًا ما تعاني الطرق الحالية لتوليد وتوقع هياكل البلورات من معدلات [نجاح](/tag/نجاح) منخفضة. لذلك، قدمنا إطارًا جديدًا لتصميم [المواد](/tag/المواد) العكسية يحمل اسم InvDesFlow-AL، والذي يعتمد على [استراتيجيات](/tag/استراتيجيات) [التعلم النشط](/tag/[التعلم](/tag/التعلم)-النشط). يتيح هذا الإطار [تحسين](/tag/تحسين) عملية [توليد](/tag/توليد) [المواد](/tag/المواد) بشكل تكراري، مما يوجهها تدريجيًا [نحو](/tag/نحو) الخصائص المرغوبة.

فيما يتعلق بتوقع هياكل البلورات، يحقق [نموذج](/tag/نموذج) InvDesFlow-AL [دقة](/tag/دقة) نادرة، حيث يبلغ RMSE (الجذر التربيعي للخطأ المتوسط) 0.0423 Å، مما يمثل تحسنًا بنسبة 32.96% مقارنة بالنماذج الجنرية الحالية. بالإضافة إلى ذلك، تم [التحقق](/tag/التحقق) بنجاح من InvDesFlow-AL في [تصميم](/tag/تصميم) [مواد](/tag/مواد) ذات [طاقة](/tag/طاقة) تكوين منخفضة وذات Ehull منخفض. إذ يمكن للنموذج إنتاج [المواد](/tag/المواد) بشكل منهجي مع انخفاض متدرج في طاقات التكوين، بينما يتوسع باستمرار في [استكشاف](/tag/استكشاف) الفضاءات الكيميائية المتنوعة.

تظهر هذه النتائج بشكل كامل فعالية النموذج الجنري الموجه بواسطة [التعلم النشط](/tag/[التعلم](/tag/التعلم)-النشط) في [تسريع](/tag/تسريع) [اكتشاف](/tag/اكتشاف) وتصميم [المواد](/tag/المواد). ولتأكيد فعالية هذا الأسلوب، قمنا بإجراء [بحث](/tag/بحث) عن الموصلات الفائقة نموذجية BCS تحت الضغط الجوي باستخدام InvDesFlow-AL. وصادفنا بنجاح Li2AuH6 كموصل فائق BCS تقليدي بسعر انتقالي فائق يصل إلى 140 كلفن. تقدم هذه الاكتشافات دعمًا قويًا لاستخدام [التصميم](/tag/التصميم) العكسي في [علوم المواد](/tag/[علوم](/tag/علوم)-[المواد](/tag/المواد)).