في عالم المواد الجديدة، يعد اكتشاف البلورات عنصرًا حاسمًا لتطوير المواد الجديدة وتحسين خصائصها. بفضل النموذج الجديد SLayerGen، يمكننا الآن تسريع هذه العملية بشكل كبير. يُعتبر SLayerGen نموذجًا ذكيًا لتوليد البلورات، وقد تحقق من خلاله تقدم سريع في اكتشاف المواد الدورية الشائعة. ومع ذلك، تبقى بعض الأنظمة مثل الموصلات الفائقة ثنائية الأبعاد والأفلام الرقيقة والمعادن الحفازة، غير دائرية (diperiodic) في أحد الاتجاهات، وهي أنظمة تحتاج إلى اعتبارات خاصة لأهميتها في مجال المواد.

يتعامل SLayerGen مع هذه التحديات من خلال كونه نموذجًا يُنتج البلورات بطريقة تتوافق مع أي مجموعة من المساحات أو الطبقات. يعتمد النموذج على تقنية التعلم الآلي التي تجمع بين توليد الشبكات دقيقية القابلية للتكرار (autoregressive) لبلورات الشبكة، والعينات المستندة إلى المحولات (transformer-based sampling) لمواقع ويكوف (Wyckoff positions)، وعناصر كل ذرة تناظرية.

من خلال إعداد وتصنيف مجموعات بيانات مخصصة للطبقات الأحادية والثنائية، قدم SLayerGen أيضًا مقاييس تقييم جديدة، وتمثيلات مبتكرة للتناغمات بين الطبقات. نتائج التجارب أظهرت أن SLayerGen يتجاوز نماذج البلورات التقليدية، مما يجعله الخيار الأمثل للبحث في المواد غير الدورية.

إذن، كيف سيغير هذا النموذج طريقة تطوير وتصميم المواد المستقبلية في المجالات المختلفة؟