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

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

فيما يتعلق بتوقع هياكل البلورات، يحقق نموذج InvDesFlow-AL 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 بنجاح من InvDesFlow-AL في تصميم مواد ذات طاقة تكوين منخفضة وذات Ehull منخفض. إذ يمكن للنموذج إنتاج المواد بشكل منهجي مع انخفاض متدرج في طاقات التكوين، بينما يتوسع باستمرار في استكشاف الفضاءات الكيميائية المتنوعة.

تظهر هذه النتائج بشكل كامل فعالية النموذج الجنري الموجه بواسطة التعلم النشط في تسريع اكتشاف وتصميم المواد. ولتأكيد فعالية هذا الأسلوب، قمنا بإجراء 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 العكسي في علوم المواد.